ارایه روشی هوشمند برای تحلیل و تشخیص بدافزارهای نسل جدید مبتنی بر نظریه مجموعه های نادقیق و نظریه فازی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 493

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

COMCONF04_306

تاریخ نمایه سازی: 10 تیر 1396

چکیده مقاله:

گسترش دانش فناوری اطلاعات و وابستگی روزافزون به این فناوری موجب شده است بحث امنیت در کاربردهای این فناوری از اهمیت زیادی برخوردار شود. در این مقاله سعی شده است روشی هوشمند مبتنی بر سیستمهای فازی و نظریهمجموعههای نادقیق برای کشف هوشمند این بدافزارها از کد ایستای آنها پیشنهاد شود. این روش با استخراج الگوهای مختلف از کدهای ایستای بدافزار و برنامهها بیخطر و کاهش و بهینهسازی مجموعه داده توسط نظریهی مجموعههاینادقیق قوانین فازی را برای تشخیص بدافزارها استخراج میکند و سیستمی فازی با استفاده از قوانین استخراج شده تشخیص کدهای برنامههای ناشناس جدید را بر عهده دارد و مبتنی بر بدافزارهای تشخیص داده شده قواعد استخراج شدهرا به روزرسانی میکند. با توجه به اینکه یکی از مهمترین انواع تهدیدات اینترنتی ثبت کنندههای کلید هستند که با ثبت ورودیهای کاربر به سامانههای رایانهای و در اختیار قرار دادن آنها به افراد غیرمجاز امنیت کاربر و سامانههای تشخیص هویت و محرمانگی را دچار چالش میکنند؛ در این مقاله روش پیشنهادی برای تشخیص این نوع بدافزارها مورد ارزیابیقرار گرفته است. نتایج ارزیابی این روش نشان میدهد، این روش میتواند بیش از 87 % ثبتکنندههای کلید ناشناس را شناسایی کند ضمن اینکه دانش خود را برای شناسایی آنها به روز نگه میدارد

نویسندگان

غلامعلی منتظر

دانشیار گروه مهندسی فناوری اطلاعات، دانشکده مهندسی صنایع و سیستمها، دانشگاه تربیت مدرس، تهران، ایران.

محمدصادق رضایی

گروه علوم و فناوری شبکه، دانشکده علوم و فنون، دانشگاه تهران، تهران، ایران.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • E.Skoudis. Malware: Fighting Malicious Code. Prentice Hall, 2004. ...
  • Fred Cohen. Computer Viruses.PhD thesis, University of Southern California, 1985. ...
  • BOYUN, Z., JIANPING, Y., JINGBO, H., SHULIN, W., DINGXING, Z. ...
  • YICHI, Z., JIANMIN, P., FENG, Y. & JINXIAN, C. Year. ...
  • Islam.R, Tian.R, Batten.L, Steve Versteeg ; Classification of Malware Based ...
  • M.G. Schultz, E. Eskin, E. Zadok and S.J. Stolfo, "Data ...
  • Miller.P Hexdump. Online publication, 2000 http : //www .pcug.org. au/ ...
  • J. Kolter and M Maloof, "Learning to detect malicious executables ...
  • Wang.T.Y, Wu.C.H, Hsieh.C.C; A Virus Prevention Model Based on Static ...
  • نمایش کامل مراجع