بهبود روش شناسایی باجافزارها با استفاده از ویژگیهای توابع سیستمی ۲۰.۱۰۰۱.۱.۲۳۲۲۴۳۴۷.۱۳۹۹.۸.۴.۹.۵ :DOR

در سال­های اخیر گرایش حملات سایبری مبتنی بر باج افزارها بهشدت افزایشیافته است. یکی از روش­های پدافندی، شناسایی رفتاری باجافزارها به­وسیله توابع سیستمی است. با مطالعه و بررسی پژوهش­های این حوزه دریافتیم پژوهش­های مذکور در نرخ دقت و سرعت تشخیص باج­افزارها بهینه نمی­باشد. به­دلیل اینکه جامعه آماری نمونه باج­افزارهای مجموعه­داده­های مورد آزمایش و ارزیابی در این پژوهش­ها محدود بوده و همه خانواده­های باج­افزاری را پوشش نمی­دهد، لذا میزان نرخ­های تشخیص ارائهشده برای شناسایی تعداد بالای باج­افزارها دارای کاستی­هایی چون پایین بودن نرخ دقت تشخیص، نرخ بالای مثبت کاذب و حتی بالا بودن نرخ عدمتشخیص هستند. از دیگر کاستی پژوهشهای مذکور غفلت از تاثیر نرخ سرعت در تشخیص باج­افرارها است. عدم رفع کاستی­های مذکور در زمان پیاده­سازی اینگونه روش­های شناسایی، موجب متحمل شدن هزینه­های زمانی و مادی زیادی و نیز موجب کندی سیستم شناسایی و عدم دستیابی به خروجی صحیح و واقعی خواهد شد. لذا در این پژوهش ابتدا اقدام به تولید مجموعه­داده غنی شامل انواع خانواده باجافزارها و در نسخه­های مختلف شده است. در ادامه با انجام آزمونهایی طی ۴ مرحله­ روی مجموعه­داده اولیه با ۱۲۶ ویژگی و برگزیدن الگوریتم انتخاب ویژگی مناسب، اقدام به بهینهسازی آن شده است. در نتیجه مجموعه­داده­ای بهینه با ۶۷ ویژگی بدون کاهش نرخ دقت تشخیص بهدست آمده ­است. سپس به­وسیله این مجموعهداده بهینه و به اصطلاح سبک اقدام به اخذ بهترین مدل دستهبندی برای تشخیص کرده، لذا به­وسیله الگوریتم دسته­بندی جنگل تصادفی (با استفاده از روش مقابله­ای ۱۰ بخشی) موفق به شناسایی باجافزارها با نرخ دقت بهینه ۱۱/۹۵۶۷% در مدت زمان ۲۱/۰ ثانیه، نرخ مثبت کاذب ۰۴۷/۰ و نرخ مثبت صحیح ۹۵۱/۰ شده­ایم.

Keywords:

باجافزار , شناسایی رفتاری باجافزارها , انتخاب ویژگیهای باجافزارها , باجافزارهای رمزنگار , توابع سیستمی , نرخ دقت و سرعت تشخیص باجافزارها , دستهبندی باجافزارها