بهبود شناسایی ویروس بر اساس امضاء به کمک الگوریتم ژنتیک خود انطباقی

ویروسهای کامپیوتری بسیار باهوش می باشند و بطور پیوسته تغییر می کنند. آنها فعالیت و عمل ویروسهای بیولوژیکی را شبیه سازیمی کنند. در این مقاله هدف پیاده سازی الگوریتمی است که بر اساس سیستم های ایمنی بیولوژیکی با استفاده از سیستم ایمنی مصنوعی بهمقابله با ویروسهای کامپیوتری بپردازد. تکامل ویروسها برگرفته از فرایندی مشابه با الگوریتم ژنتیک می باشد این مسئله الهام بخش ایدهایشد که با توجه به این موضوع مسیر تکامل ویروس پیش بینی میشود و تغییرات بعدی ویروس تشخیص داده میشود و در راستای حذفویروس مورد استفاده قرار می گیرد. در این تحقیق تلاش می شود تا با استفاده از الگوریتم ژنتیک خود انطباقی به شناسایی امضاء فایل هایآلوده بپردازد. امضاء فایل ها توسط عملگر برش الگوریتم ژنتیک به بخشهای مختلفی تقسیم می شوند سپس هر یک از بخش ها با توجه بهمیزان شباهت به امضاء ویروس، با استفاده از معادلاتی که در الگوریتم ژنتیک خودانطباقی معرفی شده است، جهش می یابند و توسط عملگربرش به تعدادی معین قطعه جدید تقسیم می شوند.جهت ارزیابی روش پیشنهادی (SAGA) و روش های مورد مقایسه (GA) و (EMGA)، امضاء 100 ویروس تحت عنوان استخر امضاءدر نظر گرفته شده است. علاوه بر این دو مجموعه فایل که هر یک حاوی 200 فایل هستند به ترتیب 25 % و 75 % ویروسی شده است وارزیابی ها بر روی معیار صحت انجام گرفته است. این نتایج کارایی رویکرد پیشنهادی را نسبت به روش مورد مقایسه نشان میدهد. به نحویکه در مجموعه فایل های 25 % و 75 % صحت روش پیشنهادی نسبت به روش مورد مقایسه به ترتیب 5 % و 31 % بهبود را نشان می دهد.

کلیدواژه ها:

بدافزار تکاملی ، چندریختی ، شناسایی ویروس بر اساس امضاء ، الگوریتم کلونال ، الگوریتم ژنتیک خود انطباقی