تشخیص بدافزار مبتنی بر الگوریتم فراابتکاری کرم شب تاب و شبکه یادگیری حافظه طولانی کوتاه مدت

تشخیص بدافزار به یکی از حوزه های تحقیقاتی مهم در چند سال اخیر تبدیل شده است. علی رغم کوشش هایی که در این زمینه صورت گرفته است، همچنان امکان بهبود دقت مدل های ارائه شده در تشخیص انواع مختلف بدافزار وجود دارد. در این مقاله، با تکیه بر به کارگیری چهار الگوریتم فراابتکاری زنبور عسل، کرم شب تاب، رقابت استعماری و خفاش، تلاش برای تنظیم پارامترهای شبکه های یادگیری عمیق صورت گرفته است. دو شبکه ی یادگیر عمیق شامل شبکه ی عصبی پیچشی و حافظه ی طولانی کوتاه مدت با تعداد لایه های مختلف برای دستیابی به حداکثر دقت تشخیص مورد استفاده قرار گرفته اند. نتایج آزمایش نشان می دهد که در بهترین حالت، بهره گیری از الگوریتم کرم شب تاب و شبکه ی یادگیر LSTM با ۳ لایه، اندازه ی دسته ۴۰، اندازه ی فیلتر ۵*۵ و تعداد دوره ۳۰۰ منجر به دقت ۹۹.۹۹۷% در تشخیص بدافزار می شود که در مقایسه با سایر کارهای ارائه شده از برتری قابل ملاحظه ای برخوردار است. سایر پارامترهای ارزیابی کارآیی نیز مقادیر بسیار خوبی را نشان می دهند که این موضوع بیانگر برتری روش پیشنهادی نسبت به سایر کارهای مشابه است.

کلیدواژه ها:

تشخیص بدافزار ، الگوریتم فراابتکاری ، شبکه عصبی پیچشی ، حافظه طولانی کوتاهمدت ، الگوریتم کرم شب تاب