مدل یادگیری ماشین برای طبقه بندی و شناسایی باج افزار

مهدی افشار¹

1) گروه مهندسی برق، موسسه آموزش عالی راغب اصفهانی، اصفهان، ایران

کد IOI مقاله : XHCC-KAFDG
محل انتشار : سومین کنفرانس بین المللی پژوهش ها و دستاوردهای نو در علوم، مهندسی و فناوری های نوین(setbconf.com/3rd)
چکیده :
    این مقاله در مورد مسائل امنیتی حیاتی ناشی از حملات مخرب، بدافزارها و خانواده‌های باج‌افزار به سیستم‌های کامپیوتری، مراکز داده، وب و برنامه‌های موبایل در صنایع و مشاغل مختلف بحث می‌کند. سیستم‌های سنتی ضد باج‌افزار در برابر حملات پیچیده مؤثر نیستند، و بنابراین، تکنیک‌های پیشرفته، مانند معماری‌های سنتی و مبتنی بر شبکه‌های عصبی، می‌توانند برای توسعه راه‌حل‌های باج‌افزار نوآورانه مورد استفاده قرار گیرند. این مقاله یک چارچوب مبتنی بر انتخاب ویژگی با الگوریتم‌های مختلف یادگیری ماشین، از جمله معماری‌های مبتنی بر شبکه عصبی، برای طبقه‌بندی سطح امنیتی برای تشخیص و پیشگیری باج‌افزار، پیشنهاد می‌کند. نویسندگان چندین الگوریتم یادگیری ماشین، مانند Decision Tree، Random Forest، Naïve Bayes، Logistic Regression، و طبقه‌بندی‌کننده‌های مبتنی بر شبکه عصبی را بر روی تعدادی از ویژگی‌های انتخاب شده برای طبقه‌بندی باج‌افزار اعمال کردند. تمام آزمایش‌ها بر روی یک مجموعه داده باج‌افزار برای ارزیابی چارچوب پیشنهادی انجام شد و نتایج تجربی نشان می‌دهد که طبقه‌بندی‌کننده‌های جنگل تصادفی از نظر دقت، F-بتا و امتیازات دقیق، بهتر از سایر روش‌ها عمل می‌کنند.

کلمات کلیدی : باج افزار بدافزار یادگیری ماشینی