بررسی الگوریتم های تشخیص بدافزار با محوریت امنیت

با گسترش روزافزون فناوری های دیجیتال و وابستگی عمیق سامانه های اطلاعاتی به شبکه های رایانه ای تهدیدات سایبری به ویژه بدافزارها به یکی از مهمترین چالش های امنیتی در سطح ملی و سازمانی تبدیل شده اند. بدافزارها با بهره گیری از روش های پیچیده و پویا قادرند محرمانگی، یکپارچگی و دسترس پذیری اطلاعات را به طور جدی به خطر اندازند. روش های سنتی تشخیص بدافزار، نظیر روش های مبتنی بر امضا و قوانین از پیش تعریف شده اگرچه در شناسایی بدافزارهای شناخته شده موثر بوده اند، اما در برابر بدافزارهای جدید، بدافزارهای روز صفر و حملات تغییر شکل یافته کارایی لازم را ندارند. در این پژوهش، الگوریتم های مختلف تشخیص بدافزار با محوریت امنیت مورد بررسی و تحلیل قرار گرفته اند. تمرکز اصلی تحقیق بر ارزیابی میزان کارایی این الگوریتم ها در کاهش نرخ هشدار کاذب، افزایش دقت، تشخیص و شناسایی بدافزارهای ناشناخته و مقاومت در برابر حملات فرار از تشخیص است. همچنین چالش های امنیتی موجود و مسیرهای پژوهشی آینده در زمینه تشخیص هوشمند بدافزار مورد بحث قرار گرفته است. نتایج این پژوهش نشان می دهد که بهره گیری از الگوریتم های پیشرفته به ویژه یادگیری عمیق و روش های ترکیبی می تواند نقش موثری در ارتقای سطح امنیت سامانه های رایانه ای ایفا کند.

کلیدواژه ها:

تشخیص بدافزار ، امنیت سایبری ، یادگیری ماشین ، یادگیری عمیق ، بدافزارهای روز صفر ، تشخیص ناهنجاری ، یادگیری ائتلافی ، حملات خصمانه