تشخیص بدافزارها با استفاده از مدلهای یادگیری ماشین و یادگیری عمیق: یک مرور سیستماتیک
Publish place: The 25th National Conference on Applied Research in Electrical, Computer and Medical Engineering
Publish Year: 1404
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 79
This Paper With 17 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ECMECONF25_028
تاریخ نمایه سازی: 4 آبان 1404
Abstract:
با افزایش روزافزون پیچیدگی بدافزارها، روشهای سنتی مبتنی بر امضا (signature-based) دیگر توانایی مقابله با نمونههای جدید را ندارند. مقاله حاضر یک مرور نظاممند بر رویکردهای بهکارگیری یادگیری ماشین (ML) و یادگیری عمیق (DL) در زمینه تشخیص بدافزار ارائه میدهد. این بررسی شامل دستهبندی روشهای استخراج ویژگی ایستا و پویا، تکنیکهای سنتی ML، انواع معماریهای DL مانند CNN، RNN، مدلهای هیبرید و همچنین مقابله با حملات ضدمثال (adversarial attacks) میباشد. منابع مورد بررسی شامل مقالات سیستماتیک بررسینشده و کتابهای معتبر از سال ۲۰۱۶ تا ۲۰۲۴ هستند. این مطالعه ضمن شناسایی چالشهایی مانند نیاز به دادههای بزرگ، پیچیدگی محاسباتی، ضعف در تفسیرپذیری مدلها و آسیبپذیری در برابر حملات adversarial، پیشنهادهایی برای گسترش حوزههای تحقیقاتی آینده ارائه میکند.⸻
Keywords:
یادگیری ماشین (Machine Learning) , یادگیری عمیق (Deep Learning) , تشخیص بدافزار (Malware Detection) , تحلیل ایستا و پویا (Static and Dynamic Analysis) , حملات ضدمثال (Adversarial Attacks)
Authors
حسین میرادی
۱- دانشجو کارشناسی مهندسی کامپیوتر دانشگاه آزاد واحد تهران مرکز
مجتبی کشاورز سیاهپوش
۲- دانشجو دکترا دانشگاه آزاد واحد تهران مرکز
سید جواد میرعابدینی
۳- استادیار و عضو هیئت علمی دانشگاه آزاد واحد تهران مرکز
