ارائه روشی نوین جهت تشخیص بدافزارهای چندریختی با استفاده از الگوریتم های همکاری تکاملی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 794

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ITCC01_512

تاریخ نمایه سازی: 9 فروردین 1395

چکیده مقاله:

افزایش بدافزارها یک تهدید بسیار جدی برای امنیت سیستم های کامپیوتری به شمار می آید.برنامه های ضد ویروس مبتنی بر امضا قدیمی از تشخیص بدافزارهای چندریختی، دگرگون شده و بهطور کلی بدافزارهای کشف نشده ناتوان هستند به طوری که امروزه کامپیوتر میلیون ها کاربر دراینترنت توسط این گونه بدافزارها آلوده شده است. در این مقاله، برای هر کدام از خانواده هایاصلی که در پایگاه داده وجود دارد، یک کد معنایی ساخته می شود. سپس، بر اساس کد معنایی،گراف وابستگی برنامه رسم می شود. این گراف با استفاده از الگوریتم همکاری تکاملی و برازندگیارائه شده با هر کدام از خانوادهها مقایسه می شود. از آنجایی که تعداد گره هر کدام از گراف هامتفاوت است، ترتیبی اتخاذ شده است که بعد از محاسبه میزان برازندگی، تعداد گره گراف نیز درنظر گرفته شوند. بر اساس میزان برازندگی نهایی و حد آستانه، این فایل به عنوان یکی ازخانواده های بدافزار و یا فایل پاک دسته بندی می شود. از نتایج می توان نتیجه گرفت که روش ارائهشده در این پژوهش می تواند به خوبی بدافزارها را کلاسه بندی کند.

نویسندگان

محمدرضا قاسمی

باشگاه پژوهشگران جوان و نخبگان ، واحد شیراز، دانشگاه آزاد اسلامی شیراز، ایران

مسعود دادگر

مدرس دانشکده فنی و مهندسی شهید باهنر شیراز

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 :
  • _ Internatiotal Conference om Information Technology, Computer & Communication 28 ...
  • Gutmann P. _ commercial malware industry. in DEFCON conference. 2007. ...
  • Jacob G, Debar H, and Filiol E, Behavioral detection of ...
  • Wiegand RP, An analysis of cooperative _ oevolutionary algorithms. 2003, ...
  • Ficici SG, Solution concepts in c oevolutionary algorithms. 2004, Citeseer. ...
  • Aycock J, Computer viruses and malware Vol. 22. 2006: Springer ...
  • Shafiq MZ, Tabish SM, and Farooq M. On the appropriatenes ...
  • Bruschi D, Martignoni L, and Monga M, Detecting self-mutating malware ...
  • Tesauro GJ, Kephart JO, and Sorkin GB, Neural networks for ...
  • Schultz MG, Eskin E, Zadok E, and Stolfo SJ. Data ...
  • Bontchev V, Macro virus identification problems. Computers & Security, 1998. ...
  • Ko CW, Method and apparatus for detecting a macro computer ...
  • Kim K and Moon B-R. Malware detection based On dependency ...
  • نمایش کامل مراجع