ویژگی مشترک روش های شناسایی مخرب ها با استفاده از تکنیک های یادگیری

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 589

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

COMPUTER01_023

تاریخ نمایه سازی: 22 مهر 1394

چکیده مقاله:

امروزه یکی از مهمترین چالش ها در زمینه امنیت اطلاعات و شبکه های ارتباطی، گسترش روز افزون بدافزارها است که به دنبال آن، یافتن راه های مناسب جهت حفاظت سیستم ها در مقابل نفوذگران الزامی می باشد. 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 سرعت توسعه و بهبود می یابند و روز به روز، از روش های پیچیده تری برای گریز از تشخیص بهره می گیرند. لذا روش های سنتی، مانند تطابق چند رشته کد از امضای بدافزارها که قادر به شناسایی بدافزارهای ناشناخته و جدید نبوده و میزان هشدار نادرست بالایی به همراه دارند، به تنهایی کارایی لازم جهت تشخیص بدافزارها را ندارند. در اینجاست که تشخیص هوشمند به موازات ÷یچیده تر شدن بدافزارها مورد توجه قرار گرفته است. در این مقاله سعی شده تا با مرور کلی بر مفاهیم اساسی مانند تشخیص و ارزیابی بدافزارها و تکنیک های یادگیری، به بررسی چند روش تشخیص و شناسایی خودکار بدافزارها بپردازیم و با مقایسه آنها با یکدیگر ویژگی های مشترک بین این روش ها را استخراج نمایم.

نویسندگان

سارا نجاری

دانشجوی کارشناسی ارشد دانشگاه پیام نور تهران

الهه تریک

دانشجوی کارشناسی ارشد دانشگاه آزاد مشهد

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 :
  • Eskandari M, Hashemi S., "A graph mining approach for detecting ...
  • Faruki P, Laxmi V, Gaur S, Vinod P., "Mining control ...
  • Santos I, Nieves J, Bringas B., _ Semi- supervised Learning ...
  • Park Y, Reeves D., "Deriving common malware behavior through graph ...
  • th ACM Symposium on Information, Computer and Communic ations Security, ...
  • Shankarapani M, Ramamoorthy S, Movva R, Mukkamala S., "Malware detection ...
  • Tahan G, Rokach L, Shahar Y., "Mal-ID: automatic mmalware detection ...
  • Veeramani R, Rai N., "Windows API based Malware Detection and ...
  • Danubianu D, Pentiuc G, Danubianu M., "Data Dimens ionality Reduction ...
  • Elhadi A, Maarof A., "Malware Detection Based on Hybrid Signature ...
  • Cesare S, Yang X., "Classification of malware using structured control ...
  • Cesare S, Yang X, Zhou W., " An effective and ...
  • نمایش کامل مراجع