طراحی و پیاده سازی سیستم هوشمند تشخیص بدافزار با استفاده از تکنیک های داده کاوی و یادگیری تقویتی

امروزه، حمله های نرم افزاری مخرب و تهدیدها علیه امنیت داده ها و اطلاعات، فرآیندی پیچیده شده است. تنوع و تعداد این حمله ها و تهدیدها نتیجه فراهم کردن انواع مختلف روش های دفاع در مقابل آنهاست، اما متاسفانه تکنولوژی های تشخیص امروزی برای مقابله با روش های جدید طراحان نرم افزار مخرب که از آنها برای گریز از ضدمخرب ها استفاده می کنند، موثر نیستند. محققان تلاش زیادی کرده اند تا سیستم های ضد بدافزار با روش های موثر تشخیص بدافزار ارایه دهند و از سیستم های کامپیوتری محافظت کنند. یک سیستم تشخیص بدافزار سیستمی است که برای تعیین این مسیله به کار می رود که آیا یک برنامه قصد خرابکاری دارد یا خیر. از این رو پژوهشهای اخیر در حال گام برداشتن به سوی کاوش بدافزار با استفاده از سیستم های دقیق و الگوریتم های هوشمند برای کشف بدافزار هستند. اخیرا محققان، روش های تشخیص بدافزار را با استفاده از داده کاوی و روش های یادگیری تقویتی پیشنهاد کرده اند که بدافزارهای ناشناخته را هم مانند بدافزارهای شناخته شده، شناسایی کنند. در این مقاله، ما یک سیستم نرم افزاری هوشمند تشخیص بدافزار را طراحی و پیاده سازی نموده ایم که فایل هدف را با استفاده از ابزارهای آنالیز، تجزیه و تحلیل کرده و سپس با استفاده از تکنیک های داده کاوی و یادگیری تقویتی نوع بدافزار را شناسایی، دسته بندی و درصد احتمال آن را محاسبه می کند.

طراحی و پیاده سازی سیستم هوشمند تشخیص بدافزار با استفاده از تکنیک های داده کاوی و یادگیری تقویتی Keywords:

یادگیری تقویتی , تشخیص بدافزار , تحلیل پویا , داده کاوی , Fuzzy SARSA