کشف کدهای مخرب کامپیوتری با استفاده ازدسته بندی کننده های مبتنی بر یادگیری ماشین براساس خصیصه های ایستا
Publish place: 2nd Information Technology, Present, Futur,
Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,027
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ITPF02_037
تاریخ نمایه سازی: 18 دی 1390
Abstract:
امروزه کدهای مخرب کامپیوتری بخصوص انواع جدید و کشف نشده آن یک تهدید امنیتی جدی بشمار می روند تشخیص کدهای مخرب براساس امضا یک تکنیک استاندارد در تمام آنتی ویروسهای تجاری محسوب می شود متاسفانه این روش کارایی ضعیفی در مقابل کدهای مخرب ناشناخته و جدید دارد دراین مقاله الگوریتمی برپایه یادگیری ماشین معرفی می شود که می تواند فایلهای مخرب و سالم را با دقت بالا دسته بندی کند الگوریتم N-grams به عنوان روش پایه برای استخراج خصیصه ها استفاده شده است. همچنین پس از بررسی برروی بیش از صد میلیون خصیصه استخراج شده بهترین مقدار N دراین الگوریتم پیشنهاد شده است. دراین راستا کوشش شده است الگوریتم جدیدی برای گزینش خصیصه ها با نام iSelection با کارایی بالا ارایه شود همچنین برای پایین آوردن نرخ خطا از معماری رای گیری اکثریت برپایه الگوریتم Naïve bayes برای دسته بندی نمونه ها استفاده شده است که به علت مستقل بودن قابلیت همروندی بالایی خواهد داشت
Keywords:
Authors
محسن ارسنجانی
دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد مشهد
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :