تشخیص بدافزار با استفاده از شبکه عصبی هیجانی مغز

امروزه بدافزارها به عنوان یکی از مهمترین تهدیدهای امنیتی در سامانه های رایانه ای و شبکه ای شناخته می شوند. گسترش روزافزون نرم افزارهای مخرب و بهره گیری آنها از روش های نوین پنهان سازی و مبهم سازی، کارایی روش های سنتی تشخیص بدافزار را با چالش جدی مواجه ساخته است. روش های مبتنی بر امضاء اگرچه در شناسایی بدافزارهای شناخته شده عملکرد مناسبی دارند، اما در مواجهه با نمونه های جدید و ناشناخته، کارآمدی محدودی از خود نشان می دهند. در این پژوهش، رویکردی مبتنی بر رفتار برای تشخیص فایل های آلوده به بدافزار ارائه شده است که در آن از شبکه عصبی هیجانی مغز به عنوان هسته اصلی طبقه بندی استفاده می شود. همچنین به منظور بهبود عملکرد این شبکه، از الگوریتم بهینه سازی ازدحام ذرات برای تنظیم و بهینه سازی ساختار آن استفاده شده است. نتایج این مطالعه نشان می دهد که شبکه عصبی هیجانی مغز، به دلیل سرعت همگرایی بالا، دقت مناسب و توانایی شناسایی الگوهای پیچیده، ظرفیت بالایی برای تشخیص و طبقه بندی خانواده های بدافزاری دارد. این روش می تواند به عنوان جایگزینی مناسب یا مکملی موثر برای روش های سنتی تشخیص بدافزار مورد استفاده قرار گیرد.

کلیدواژه ها:

بدافزار ، تشخیص بدافزار ، شبکه عصبی هیجانی مغز ، الگوریتم ازدحام ذرات ، تحلیل رفتاری