ارائه یک سامانه تشخیص بدافزار رفتاری بر اساس عملکرد شمارندههای سختافزاری مبتنی بر شبکه عصبی و الگوریتم بهینهسازی سنجاقک
نویسندگان
1 موسسه آموزش عالی و غیر انتفاعی کارون، اهواز، ایران
2 گروه مهندسی کامپیوتر، واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران
doi
چکیده
امروزه یکی از مهمترین چالشهای امنیت اطلاعات و شبکههای ارتباطی، افزایش روزافزون انواع بدافزارها و بهدنبال آن یافتن راههای مناسب جهت حفاظت سیستمها در مقابل آنها است. شناخت به وقت و یافتن راههای مقابله با آثار مخرب بدافزارها از مهمترین چالشهای برنامهنویسان و متخصصین امنیت اطلاعات میباشد بهطوری که در سالهای اخیر استفاده از الگوریتمهای دادهکاوی و هوش مصنوعی بهعنوان یکی از روشهای نوظهور و امیدوار-کننده برای مقابله با بدافزارها کاربرد بسیاری داشته است. سیستمهای تشخیص بدافزار هوشمند قادر هستند با مدلسازی رفتار بدافزارها آنها را بهخوبی شاسایی نمایند. استخراج ویژگیهای مناسب و بهکارگیری دستهبند کارآمد میتواند کارایی چنین سیستمهایی را بهبود ببخشد. در این مقاله رویکردی جدید جهت تشخیص بدافزار با استفاده از همافزایی ویژگیهای شمارندههای سختافزای و دستهبند شبکه عصبی پرسپترون چندلایه بهینه پیشنهاد میشود. سیستم پیشهادی با استخراج ویژگیهایی با قابلیت تفکیکپذیری بالا و نیز استفاده از شبکه عصبی بهینه شده بوسیله الگوریتم سنجاقک قادر است بهخوبی فایلهای سالم را از مخرب شناسایی نماید. به منظور ارزیابی سیستم پیشنهادی از یک مجموعه داده شامل 168 نمونه سالم و 437 نمونه آلوده به بدافزار استفاده میشود. نتایج حاصل از شبیهسازیها کارایی بالاتر دستهبند پیشنهادی را در مقایسه با سایر دستهبندها نشان میدهد بهطوری که سیستم پیشنهادی توانسته است با دقت 86 درصد وجود فایلهای آلوده بهبدافزار را تشخیص دهد.
