سامانه همایش ها

English

صفحه اصلی / دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین و دومین کنفرانس ملی علم داده در کاربردهای مهندسی

بهبود عملکرد سیستم‌های شناسایی بدافزار با تلفیق شبکه‌های عصبی کانولوشن و الگوریتم جنگل تصادفی

نویسندگان :

بهزاد شاه پسندی¹ مجید مزینانی²

1- دانشگاه بین المللی امام رضا 2- دانشگاه بین المللی امام رضا

کلمات کلیدی :

تشخیص بدافزار،استخراج ویژگی،شبکه ی عصبی کانولوشن،طبقه بندی،الگوریتم جنگل تصادفی

چکیده :

چکیده بدافزار یا نرم افزار مخرب به برنامه نرم افزاری اطلاق می شود که برای اهداف مخرب مانند دسترسی غیرمجاز به اطلاعات حساس شخصی و سازمانی، ایجاد اختلال در عملیات رایانه، دور زدن کنترل های دسترسی و نمایش تبلیغات ناخواسته ایجاد شده است. همزمان با رشد تعداد بدافزارها، راهكارهای متعددی نیز توسط محققین در این زمینه ارائه شده است اما با تغییر ساختار بدافزارها، ارتقاء تكنیک های توسعه آنها و پیچیده تر شدن بدافزارها با گذشت زمان، ارائه روش های جدیدی که متناسب با این تغییرات، توانایی مقابله با بدافزارها را داشته باشند، همواره مورد توجه محققین بوده است. در این پژوهش جهت تشخیص بدافزارها از یک فرآیند چند مرحله ای بهره گرفته شده است که در مرحله ی نخست عملیات پیش پردازش جهت بهبود داده ها صورت گرفته است. بعد از عملیات پیش پردازش، عملیات الگویابی توسط شبکه های عصبی کانولوشن صورت گرفته است. جهت استخراج الگو از لایه ی های کانولوشن، ادغام و تماما متصل استفاده گردیده است. وظیفه ی لایه ی کانولوشن، استخراج الگو، وظیفه ی لایه ی ادغام، کاهش الگو و وظیفه ی لایه ی تماما متصل تبدیل ماتریس الگو به الگوهای برداری می باشد. در نهایت جهت طبقه بندی بدافزارها از جنگل تصادفی بهره گرفته شده است. همچنین در این پژوهش روابط معیارهای ارزیابی که شامل معیارهای دقت، صحت، فراخوان و معیار F می باشد بررسی خواهد شد. در نهایت جهت ارزیابی روش پیشنهادی از دو روش بدون استخراج الگو و استخراج با الگو استفاده گردیده است که این آزمایش ها نشان از برتری روش پیشنهادی دارد. دلیل برتری روش پیشنهادی به ساختار شبکه ی عصبی کانولوشن و الگوریتم جنگل تصادفی بر می گردد.