شناسایی بدافزار اندرویدی روز صفر با استفاده از شبکههای عصبی | ||
| پدافند الکترونیکی و سایبری | ||
| مقاله 5، دوره 11، شماره 3 - شماره پیاپی 43، پاییز 1402، صفحه 49-55 اصل مقاله (466.98 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| بهزاد لک* 1؛ وحید یادگاری2؛ احمدرضا متین فر3 | ||
| 1استادیار، دانشگاه علوم انتظامی امین، تهران، ایران | ||
| 2دانشجوی دکتری، دانشگاه علامه طباطبایی، تهران، ایران | ||
| 3استادیار دانشگاه جامع امام حسین(ع)، تهران، ایران | ||
| چکیده | ||
| با افزایش ضریب نفوذ اینترنت در زندگی و استفاده آحاد مردم از این فناوری در همه ابعاد، بهکارگیری از دستگاههای گوشی تلفن همراه نیز به همین نسبت افزایش داشته است. این موضوع در کنار خلق مزایای فراوان، موجب گسترش و تسریع انتشار برخی برنامههای مخرب به نام بدافزار گردیده است. در این پژوهش سعی بر آن است که با استفاده از شبکه عصبی چندلایه و یادگیری ماشین تشخیص بدافزارهای روز صفر در تلفنهای هوشمند صورت گیرد. برای این منظور از دیتاست استاندارد با بیش از 15 هزار نمونه از انواع بدافزار و خوب افزار بهصورت برچسبگذاری شده بهرهگیری شده است. در مرحله پیشپردازش ابتدا با استفاده از نرمالسازی و یکسانسازی دادهها انجام میشود و با تجزیهوتحلیل مؤلفههای اصلی عمل انتخاب ویژگی صورت گرفته و از تعداد 1183 ویژگی تعداد 215 ویژگی که واریانس بالاتری دارند انتخاب میشود و پسازآن مدل پیشنهادی معرفیشده است که از طبقه بند شبکه عصبی چندلایه و الگوریتم بهینهسازی مبتنی بر آموزش و یادگیری است که با اعمال آن بر روی پایگاه دادههای ذکرشده و مقایسه نتایج طبقهبندی آن با الگوریتمهای ماشین بردار، الگوریتم ژنتیک ، نزدیکترین همسایه و ... میتوان دریافت که آموزش شبکه عصبی چندلایه یادگیری دقت و صحت را بالا میبرد. نتایج استفاده از شبکه عصبی چندلایه مبتنی بر آموزش و یادگیری حاکی از دقت 99% و صحت 98% است. | ||
| کلیدواژهها | ||
| بدافزار؛ اندرزید؛ تجزیهوتحلیل؛ انتخاب ویژگی؛ یادگیری ماشین | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 449 تعداد دریافت فایل اصل مقاله: 536 |
||