ترغب بنشر مسار تعليمي؟ اضغط هنا

الكشف عن سلوط البرامج الضارة باستخدام تقنيات الداتا مايننغ

A Data Mining Classification Approach for Behavioral Malware Detection

1406   1   30   0.0 ( 0 )
 تاريخ النشر 2019
  مجال البحث الهندسة المعلوماتية
والبحث باللغة العربية
 تمت اﻹضافة من قبل Yaroup Alhamwi




اسأل ChatGPT حول البحث

تقنيات استخراج البيانات لديها العديد من التطبيقات في الكشف عن البرامج الضارة. طريقه التصنيف هي واحده من تقنيات Data mining الأكثر شعبيه. في هذه الورقة نقدم نهج للكشف عن سلوك البرامج الضارة. اقترحنا أساليب تصنيف مختلفه من أجل الكشف عن البرامج الضارة استنادا إلى ميزه وسلوك كل البرامج الضارة. تم تقديم طريقه تحليل ديناميكية للتعرف علي ميزات البرامج الضارة. تم تقديم برنامج مقترح لتحويل ملف XML الخاص بالمحفوظات التنفيذية لسلوك البرامج الضارة إلى إدخال أداه ويكا مناسبه. لتوضيح كفاءه الأداء بالأضافة بيانات التدريب والاختبار ، نطبق الأساليب المقترحة على مجموعة بيانات دراسة حالة حقيقية باستخدام أداة ويكا.وأظهرت نتائج أن نهجنا المقترح هو أكثر كفاءه للكشف عن البرامج الضارة وتصنيف السلوك للبرامج الضارة , يمكن ان يكون نهجنا مفيد للكشف عن البرامج الضارة في مكافحه الفيروسات السلوكية.

المراجع المستخدمة
https://dl.acm.org/citation.cfm?id=2984887&fbclid=IwAR2hVYQXOZG-yoZBGm66Mwj-vF2gBvQ-Or3jmDmUhft74sv-b3qbTb3a3Sg
قيم البحث

اقرأ أيضاً

تقترح هذه الورقة استخدام تقنيات استخراج المعرفة للكشف عن غسيل الاموال في الأنظمة المصرفية بالاضافة الى ذكر نظام مطبق للكشف عن غسيل الاموال باستخدام خوارزمية clope
يعرض هذا البحث دراسة مرجعية حول استخدام تقنيات الذكاء الصنعي والتنقيب عن المعطيات في أنظمة مكافحة غسيل الأموال. نقارن بين عدة منهجيات متبعة في أوراق بحثية مختلفة بهدف تسليط الضوء على تطبيقات الذكاء الصنعي في حل مشاكل الحياة الواقعية.
سنتحدث في هذه الحلقة عن أليات البحث في غوغل مستخدمين استكشاف المعرفة داتا وتحسين الطريقة باستخدام المترادافات لمجال سيو (البحث الأمثلي)
يهدف التنقيب عن البيانات التعليمية إلى دراسة البيانات المتوفرة في المجال التعليمي وإخراج المعرفة المخفية منه بغية الاستفادة منها في تعزيز عملية التعليم واتخاذ قرارات ناجحة من شأنها تحسين الأداء الأكاديمي للطالب. تقترح هذه الدراسة استخدام تقنيات التنق يب عن البيانات لتحسين التنبؤ بأداء الطلاب، حيث تم تطبيق ثلاث خوارزميات تصنيف Naïve Bayes, J48, Support Vector Machine)) على قاعدة بيانات أداء الطلاب ، ثم تم تصميم مصنف جديد لدمج نتائج تلك المصنفات الفردية باستخدام تقنية الدمج Voting Method . تم استخدام الأداة WEKAالتي تدعم الكثير من خوارزميات و طرائق التنقيب في البيانات. تظهر النتائج أن مصنف الدمج لديه أعلى دقة للتنبؤ بمستويات الطلاب مقارنة بالمصنفات الأخرى ، حيث حقق دقة تعرف وصلت إلى74.8084 % . و أفادت خوارزمية العنقدةsimple k-means في تجميع الطلاب المتشابهين في مجموعات منفصلة بالتالي فهم مميزات كل مجموعة مما يساعد على قيادة وتوجيه كل مجموعة على حدى.
حققت نماذج المحولات الحديثة أداء قويا على مجموعة متنوعة من مهام NLP.توظف العديد من هذه الأساليب مهام التدريب المرجعية للمجال لتدريب النماذج التي تسفر عن تمثيلات جماعية عالية للغاية يمكن أن تكون ذات صقل مهام محددة في المصب.نقترح تكرير نموذج NLP المدرب مسبقا باستخدام هدف الكشف عن الرموز المخلوطة.نستخدم نهج متسلسل من خلال بدء تشغيل نموذج روبرتا المدرب مسبقا وتدريبه باستخدام نهجنا.تطبيق استراتيجية خلط عشوائية على مستوى الكلمة، وجدنا أن نهجنا يتيح لنموذج روبرتا يحقق أداء أفضل في 4 من أصل 7 مهام الغراء.تشير نتائجنا إلى أن تعلم الكشف عن الرموز المنفصلة هو نهج واعد لمعرفة المزيد من تمثيلات الجملة متماسكة.

الأسئلة المقترحة

التعليقات
جاري جلب التعليقات جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا