شناسایی و طبقه بندی بدافزارها با استفاده از الگوریتم های یادگیری ماشین (بدون نظارت)

ما در این مقاله به تشخیص و طبقه بندی (بدون نظارت) بدافزارها که امری مهم در امنیت سیستم های کامپیوتری است، پرداخته ایم. در تحقیق حاضر از داده های موجود در پایگاه داده Malimg Dataset استفاده شد. این دیتاها شامل تصاویر بدافزار است که در این مقاله هشت خانواده از بدافزارها بررسی شد. از هر تصویر هیستوگرام و ماتریس هم وقوعی (در چهار زاویه صفر، ۴۵، ۹۰ و ۱۳۵ درجه) استخراج شد سپس عملیات استخراج ویژگی انجام شد. در مجموع از هر تصویر بدافزار ۲۰ ویژگی از ماتریس هم وقوعی و ۵ ویژگی از هیستوگرام استخراج شد که از این ویژگی های جهت مدلسازی روشهای تششخیص نوع بدافزار استفاده شد. در این مقاله از دو مدل جهت خوشه بندی نوع بدافزار استفاده شد. دقت تشخیص نوع بدافزار توسط روش های شبکه عصبی مصنوعی و الگوریتم k-means به ترتیب۹۶.۴۵ % و ۸۷.۳۵ % به دست آمد که بهترین مدل برای تشیخص نوع بدافزار مربوط به الگوریتم k-means بود.

کلیدواژه ها:

بدافزار ، تشخیص ، یادگیری ماشین ، پردازش تصویر.