ارایه روشی هوشمند بر مبنای دسته بندی متن جهت تشخیص کدهای مخرب ناشناخته

امروزه بخش اصلی در ضدبدافزارها جهت تشخیص بدافزار روشی براساس علامت های هویتی می باشد که اینگونه روش ها توانایی شناسایی بدافزارهای جدید و ناشناخته را ندارند، در این مقاله روشی هوشمند براساس قسمت آخر فایل اجرایی ارایه شده است که با در نظر گرفتن 2 بایت ها در قسمت آخر فایل به عنوان کلمه و استفاده از روش های وزن دهی ویژگی ها که در دسته بندی متن استفاده می شود؛به همراه روش نزدیک ترین همسایه به عنوان روش دسته بندی می تواند با دقت 99.10 درصد فایل آلوده را شناسایی کند

کلیدواژه ها:

دسته بندی متن ، کد مخرب ناشناخته ، فایل اجرایی آلوده ، بدافزار ناشناخته

نویسندگان

ابوالفضل سرکرده یی

دانشجوی کارشناسی ارشد کامپیوتر گرایش هوش مصنوعی دانشگاه صنعتی شاهرود

علی اکبر پویان

استادیار دانشکده کامپیوتر و فناوری اطلاعات دانشگاه صنعتی شاهرود

حمید حسن پور

دانشیار دانشکده کامپیوتر و فناوری اطلاعات دانشگاه صنعتی شاهرود

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 :

Analysis of Executables to Staticه [15] M. Christodoresc and S. ...
[] Schultz M, Eskin E, Zadok E, Stolfo S. Data ...
Abou-Assaleh, T.; Cercone, N; Keselj, V.; Sweidan, R.; "N-gram- based ...
Moskovitch, Robert, Clint Feher, and Yuval Elovici. "Unknown malcode detection-A ...
Dolev S, Tzachar N. Malware signature builder and detection for ...
Karim E, Walenstein A, Lakhotia A, Parida L. Malware _ ...
Siddiqui, Muazzam, Morgan C. Wang, and Joohan Lee. "Data mining ...
th Iranian Conference _ Intelligent Systems February 27th & 28th, ...
_ _ of Electronic Security and Digital Forensic;1:2, pp: 156-168-2007 ...
_ _ _ _ of Machine learning 46 423-444- 200. ...
G.Salton _ c.s.Yang, On the specification of termvalue in automatic ...
G. Saltpn, J Allan, A. Singhal, Automatic text decomposition and ...
M.LAn, S.Y. Sung, H.B LOW, C.L.Tan, A comparative Study on ...
Igor Santos, Felix Brezo, Xabier Ugarte-Pedrero, Pablo G. Bringas, Opcode ...
_ _ _ methods based _ static system calls, computers ...
Zhang B, Yin J, Hao _ Zhang D, Wang S. ...
_ _ analysis _ malicious patterns, in: Proceedings of the ...

نمایش کامل مراجع

صدور گواهی نمایه سازی
من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

https://civilica.com/doc/214813

شناسه ملی سند علمی:

ICS11_233

تاریخ نمایه سازی: 14 مهر 1392

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:

سرکرده یی، ابوالفضل و پویان، علی اکبر و حسن پور، حمید،1391،ارایه روشی هوشمند بر مبنای دسته بندی متن جهت تشخیص کدهای مخرب ناشناخته،یازدهمین کنفرانس سراسری سیستم های هوشمند،تهران،https://civilica.com/doc/214813

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1391، سرکرده یی، ابوالفضل؛ علی اکبر پویان و حمید حسن پور)
برای بار دوم به بعد: (1391، سرکرده یی؛ پویان و حسن پور)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:

رتبه علمی دانشگاه صنعتی شاهرود

نوع مرکز: دانشگاه دولتی

تعداد مقالات: 10,199

در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.