بکارگیری شبکههای عصبی مصنوعی در شناسایی ویروسهای کامپیوتری

یک ویروس به عنوان برنامه ای تعبیر می شود که با استفاده از کپی سازی، خود را انتشار داده و یا تکثیر می نماید. سیستم های ضد ویروسی که امروزه استفاده می شوند، به طور عمده بد افزارهایی که بر اساس الگوهای ویروس شناخته شده را شناسایی می کنند. با این وجود کشف یک ویروس جدید که الگویی از قبل ندارد همواره یکی از چالش های کشف ویروس های کامپیوتریبوده است. برای حل این چالش می توان با ایجاد یک شبکه عصبی ، با ورودی هایی از فایل های سرآیند غلبه نمود و با توجه به اینکه می توان به وسیله شبکه عصبی داده ها را آموزش داد، آنها قادر خواهند بود که الگوهای یک ویروس ناشناخته را بر اساسیادگیری های قبلی شناسایی کنند. ساختار فایل سرآیند شامل مقادیر مختلف است که به واسطه آن می توان فایل های اجرایی ویروسی را از فایل های معتبر و غیر ویروسی شناسایی کرد. در این مقاله ما بر اساس امتیاز فیشر مرتبط ترین خصوصیات را برایسرعت بخشی تحلیل و دقت در نتیجه گیری شناسایی، استفاده کردیم و با استفاده از مقایسه الگوریتم های شبکه عصبی ، بهترین نوع یادگیری این سیستم را درمی یابیم.

Keywords:

ویروس , الگوها , شبکه عصبی , امتیاز فیشر , خصوصیت