<span lang="AR-SA">ارائه چارچوب ترکیبی تشخیص بدافزارهای اندرویدی با استفاده از الگوریتم بهینه سازی ازدحام ذرات بهبودیافته و ماشین بردار پشتیبان با هسته فازی

این مقاله یک چارچوب ترکیبی نوآورانه برای تشخیص بدافزار اندروید ارائه می دهد که یک الگوریتم بهینه سازی ازدحام ذرات بهبودیافته (IPSO) را با یک ماشین بردار پشتیبان فازی با هسته (FKSVM) تلفیق می کند. هدف اصلی، غلبه بر چالش های روش های سنتی، از جمله ابعاد بالای ویژگی ها، همگرایی زودرس و ناتوانی در مدل سازی عدم قطعیت ذاتی در داده های بدافزاری است. الگوریتم IPSO با بهره گیری از یک وزن پویا و یک عملگر جهش تصادفی، از همگرایی زودرس جلوگیری کرده و یک زیرمجموعه ویژگی بهینه را انتخاب می کند. در ادامه، مدل FKSVM با استفاده از یک هسته فازی جدید، عدم قطعیت داده ها را به طور موثر مدیریت می نماید. ارزیابی چارچوب پیشنهادی بر روی مجموعه داده CIC-AndMal۲۰۲۰ نشان می دهد که این روش در طبقه بندی دودویی به دقت ۹۹.۹۸ درصد و نرخ هشدار نادرست بسیار پایین ۰.۰۱ درصد دست می یابد. این نتایج، عملکرد برتر چارچوب ارائه شده را در مقایسه با روش های موجود از نظر دقت، سرعت و مقاومت در برابر حملات متخاصم به وضوح نشان می دهد و اثربخشی آن را تایید می کند.

کلیدواژه ها:

تشخیص بدافزار ، اندروید ، بهینه سازی ازدحام ذرات ، ماشین بردار پشتیبان ، هسته فازی ، انتخاب ویژگی