ویژگی های مشترک روش های مختلف تشخیص و ارزیابی بدافزار با رویکردهای یادیگری محور

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,420

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CESD01_286

تاریخ نمایه سازی: 25 اسفند 1392

چکیده مقاله:

یکی از مشکلات اساسی برای درک صحیح رفتارهای مخرب و گرایش های جدید در توسعه بدافزارها، این است که بدافزارها نیز مانند کامپیوترها و نرم افزارها به شدت تغییر کرده اند و از روش های پیچیده تری برای قرار از تشخیص بهره می گیرند لذا روش های سنتی مانند تطابق چند رشته کد از امضای بدافزارها به تنهایی کفایت لازم را ندارند در اینجاست که تشخیص هوشمند به موازات پیچیده تر شدن بدافزارها مورد توجه قرار گرفته است. این پژوهش ضمن مرور اجمالی بر مفاهیم اساسی مانند تشخیص و ارزیابی بدافزار و تکنیک های یادگیری به مطالعه چند روش مختلف تشخیص و ارزیابی خودکار بدافزار پرداخته و انواع دسته بندی ها در تکنیک های تشخیص و ارزیابی را بررسی کرده و با مقایسه آنها، ویژگی های مشترک روش های مذکور را استخراج می نماید.

نویسندگان

محمدهادی معظم

عضو هیئت علمی دانشگاه پیام نور، تهران، ایران

حسین شیرازی

عضو هیئت علمی مجتمع ICT دانشگاه صنعتی مالک اشتر، تهران، ایران

فرزانه لشگری

دانشجوی کارشناسی ارشد دانشگاه پیام نور تهران، ایران

سیدمحمدرضا فرشچی

دانشکده فرماندهی و کنترل، آزمایشگاه شبکه های اجتماعی، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • . I. Santos, J. N. (2011). Semi-supervi sed Learning for ...
  • . Egele, M. S. (2012). A Survey on Automated Dynamic ...
  • . N.Idika, A. P. (2007). A Survey of Malware Detection ...
  • . Dayan, P. (2003). Unsupervised Learning. The MIT Encyclopedia of ...
  • . M.A.Siddiqui. (2008). Data Mining Methods For Malware Detection. Orlando, ...
  • . R.Schapire. (2003). The boosting approach to machine learning: An ...
  • . K. M. Poosankam, P. H. (2007). A hidden code ...
  • . L.Martignoni, M. J. (2007). Fast, generic, and safe unpacking. ...
  • . Zhou, Y. I. (2008). Malware detection using adaptive data ...
  • . K.Rieck, T.H, C.W(2008). Learning and Classification of Malware Behavior, ...
  • . Willems, T, H(2 007), Toward Automated Dynamic Malware Analysis ...
  • . M.Bailey, J.O, J.A, Z. M(2007), Automated Classification and Analysis ...
  • نمایش کامل مراجع