ارائه یک سامانه تشخیص بدافزار رفتاری بر اساس عملکرد شمارنده های سخت افزاری مبتنی بر شبکه عصبی و الگوریتم بهینه سازی سنجاقک
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 345
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_PADSA-9-2_002
تاریخ نمایه سازی: 12 مرداد 1400
چکیده مقاله:
امروزه یکی از مهمترین چالش های امنیت اطلاعات و شبکه های ارتباطی، افزایش روزافزون انواع بدافزارها و به دنبال آن یافتن راه های مناسب جهت حفاظت سیستم ها در مقابل آنها است. شناخت به وقت و یافتن راه های مقابله با آثار مخرب بدافزارها از مهمترین چالش های برنامه نویسان و متخصصین امنیت اطلاعات می باشد به طوری که در سال های اخیر استفاده از الگوریتم های داده کاوی و هوش مصنوعی به عنوان یکی از روش های نوظهور و امیدوار-کننده برای مقابله با بدافزارها کاربرد بسیاری داشته است. سیستم های تشخیص بدافزار هوشمند قادر هستند با مدل سازی رفتار بدافزارها آن ها را به خوبی شاسایی نمایند. استخراج ویژگی های مناسب و به کارگیری دسته بند کارآمد می تواند کارایی چنین سیستم هایی را بهبود ببخشد. در این مقاله رویکردی جدید جهت تشخیص بدافزار با استفاده از هم افزایی ویژگی های شمارنده های سخت افزای و دسته بند شبکه عصبی پرسپترون چندلایه بهینه پیشنهاد می شود. سیستم پیشهادی با استخراج ویژگی هایی با قابلیت تفکیک پذیری بالا و نیز استفاده از شبکه عصبی بهینه شده بوسیله الگوریتم سنجاقک قادر است به خوبی فایل های سالم را از مخرب شناسایی نماید. به منظور ارزیابی سیستم پیشنهادی از یک مجموعه داده شامل ۱۶۸ نمونه سالم و ۴۳۷ نمونه آلوده به بدافزار استفاده می شود. نتایج حاصل از شبیه سازی ها کارایی بالاتر دسته بند پیشنهادی را در مقایسه با سایر دسته بندها نشان می دهد به طوری که سیستم پیشنهادی توانسته است با دقت ۸۶ درصد وجود فایل های آلوده به بدافزار را تشخیص دهد.
کلیدواژه ها:
نویسندگان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :