استفاده از شبکه تطبیقی عصبی- فازی بهبود یافته مبتنی بر الگوریتم بهینه سازی وال در شناسایی بدافزارهای گوشی های هوشمند

امروزه تشخیص بدافزارهای گوشی های هوشمند یک فاکتور امنیتی مهم محسوب میشود. روشهای تشخیص مبتنی بر امضا نمیتوانند به درستی ویروسهای چندگانه را شناسایی کنند. بدین منظور تکنیک های مبتنی بر یادگیری ماشین با کارایی بالا پیشنهاد شدند. در این مقاله، از روش ترکیبی مبتنی بر یادگیری ماشین برای یافتن پارامترهای بهینه ای که میتواند شناسایی بدافزارها را تسهیل کنند، استفاده نمودیم. در این روش شبکه یادگیری تطبیقی عصبی-فازی (ANFIS) به دلیل سازگاری بالا در ترکیب با روشهای بهینه سازی، با الگوریتم های فراابتکاری بهینه سازی تجمعی ذرات((PSO، بهینه سازی مبتنی بر آموزش و یادگیری (TLBO) و بهینه سازی وال (WOA) ترکیب شد تا با تنظیم بهینه پارامترهای توابع عضویت ANFIS ، به شناسایی موثر مخربهای گوشیهای هوشمند بپردازیم. ارزیابی هایی انجام شده از مقایسه الگوریتم های پیشنهادی با استفاده از دادههای برگرفته از بدافزارهای دستگاههای اندروید، نشان میدهد که الگوریتم ترکیبی WOA-ANFIS بهترین عملکرد را نسبت به PSO-ANFIS و TLBO-ANFIS در بهبود آموزش شبکه ANFIS و شناسایی بدافزارهای گوشیهای هوشمند دارد.

کلیدواژه ها:

شبکه تطبیقی عصبی- فازی ، بهینه سازی تجمعی ذرات ، بهینه سازی مبتنی بر آموزش و یادگیری ، بهینه سازی وال