ارائه روشی نوین جهت تشخیص بدافزارهای چندریختی با استفاده از الگوریتم های همکاری تکاملی
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 808
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ITCC01_512
تاریخ نمایه سازی: 9 فروردین 1395
Abstract:
افزایش بدافزارها یک تهدید بسیار جدی برای امنیت سیستم های کامپیوتری به شمار می آید.برنامه های ضد ویروس مبتنی بر امضا قدیمی از تشخیص بدافزارهای چندریختی، دگرگون شده و بهطور کلی بدافزارهای کشف نشده ناتوان هستند به طوری که امروزه کامپیوتر میلیون ها کاربر دراینترنت توسط این گونه بدافزارها آلوده شده است. در این مقاله، برای هر کدام از خانواده هایاصلی که در پایگاه داده وجود دارد، یک کد معنایی ساخته می شود. سپس، بر اساس کد معنایی،گراف وابستگی برنامه رسم می شود. این گراف با استفاده از الگوریتم همکاری تکاملی و برازندگیارائه شده با هر کدام از خانوادهها مقایسه می شود. از آنجایی که تعداد گره هر کدام از گراف هامتفاوت است، ترتیبی اتخاذ شده است که بعد از محاسبه میزان برازندگی، تعداد گره گراف نیز درنظر گرفته شوند. بر اساس میزان برازندگی نهایی و حد آستانه، این فایل به عنوان یکی ازخانواده های بدافزار و یا فایل پاک دسته بندی می شود. از نتایج می توان نتیجه گرفت که روش ارائهشده در این پژوهش می تواند به خوبی بدافزارها را کلاسه بندی کند.
Keywords:
Authors
محمدرضا قاسمی
باشگاه پژوهشگران جوان و نخبگان ، واحد شیراز، دانشگاه آزاد اسلامی شیراز، ایران
مسعود دادگر
مدرس دانشکده فنی و مهندسی شهید باهنر شیراز
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 :