کاربرد یادگیری ماشین جهت تشخیص بدافزار درامینت سایبری

در چشم انداز دائما در حال تحول امنیت سایبری، شناسایی حملات بدافزار از طریق گزارش های فایروال و سرور بسیار مهم شده است. این مقاله یک رویکرد نوآورانه با استفاده از ماشین های بردار پشتیبانی چند جمله ای (SVM) برای افزایش تشخیص و تجزیه و تحلیل فعالیت های بدافزار در این گزارش ها ارائه می کند. با استفاده از قدرت توابع هسته چند جمله ای، روش ما به طور موثر الگوهای پیچیده و غیر خطی را که ممکن است مدل های خطی سنتی نادیده بگیرند، ثبت می کند. ما آزمایش های گسترده ای را بر روی مجموعه داده های لاگ دنیای واقعی انجام می دهیم، که برتری رویکرد خود را در شناسایی رفتارهای مخرب با دقت بالا و کاهش مثبت های کاذب نشان می دهد. یافته های ما نشان می دهد که SVMهای چند جمله ای راه حلی قوی و مقیاس پذیر برای تشخیص بدافزار بلادرنگ ارائه می دهند و پیشرفت قابل توجهی در زمینه تجزیه و تحلیل امنیت سایبری ارائه می کنند.

کلیدواژه ها:

تشخیص بدافزار ، یادگیری ماشین ، ماشین بردار پشتیبان ، امنیت سایبری