دسترسی همگانی(OPAC) نام کتابخانه در اوپک

تشخیص بدافزار بر اساس تحلیل رفتار مبتنی بر هم‌افزایی آتوماتای یادگیر و شبکه عصبی (1400) / رحمتی نوش آبادی ، علیرضا، نویسنده
نوع مدرک:متون چاپی
سرشناسهرحمتی نوش آبادی ، علیرضا، نویسنده
رده‌بندی کنگره :‭COM A ‭23 1400
عنوان :تشخیص بدافزار بر اساس تحلیل رفتار مبتنی بر هم‌افزایی آتوماتای یادگیر و شبکه عصبی
عنوان موازی :Detection of Malware Based on the Analysis of the Behavior of Learning Automata and Neural Network
ناشر:دانشگاه شهید اشرفی اصفهانی: اصفهان
سال نشر :1400
صفحه شمار:74ص
شابک/شاپا24323
یادداشتپایان نامه کارشناسی ارشد: مهندسی کامپیوتر گرایش هوش مصنوعی و رباتیکز
شناسه افزوده :کلینی ، مینا، استاد راهنما
توصیفگرهابدافزار، تحلیل رفتار، شبکه عصبی، آتوماتای یادگیر  Malware, behavior analysis, neural network, learning automata
چکیده :بخاطر رشد سریع تولید بدافزار و آسیب‌های بالقوه آن‌ها، نیاز به سیستم‌های هوشمند و خودکار برای تشخیص بدافزار نیز رشد کرده است. اگرچه، محصولات آنتی‌ویروس که بر اساس امضا قادر به تشخیص کد بدخواه هستند، موثر جلوه داده شده‌اند؛ اما در برابر حملات جدید و ناشناخته، کارآمدی ندارند. در این پایان‌نامه، یک سیستم تشخیص بدافزار پویای جدید بر اساس کاوش دنباله API ارائه شده است. در روش پیشنهادی پایگاه داده‌ای متشکل از فایل‌های اجرایی سالم و مخرب ایجاد شد. براساس روش نوین مبتنی بر رفتار فراخوانی‌های سیستمی با اجرای مخرب و غیربدافزار در محیطی کنترل‌شده بدست می‌آید. بعلاوه، یک تکنیک اشکال‌زدایی ارائه می‌شود که قادر به غلبه بر کمبودهای تکنیک‌های اشکال‌زدایی در محیط‌های کنترل شده برای تشخیص بدافزار می‌باشد. به ‌منظور کاهش داده‌ها در مرحله انتخاب ویژگی از الگوریتم ماشین بردار پشتیبان به عنوان تابع هزینه و الگوریتم فاخته به عنوان استراتژی جستجو برای انتخاب زیرمجموعه‌ای بهینه از ویژگی‌ها استفاده شده است. روش پیشنهادی روشی با دقت بالا است که با استفاده از بهینه‌سازی شبکه عصبی توسط آتوماتای یادگیر به دقت 99.06 درصد برای تشخیص بدافزار دست یافته است
لینک ثابت رکورد:../opac/index.php?lvl=record_display&id=13398
زبان مدرک :فارسی
شماره ثبتشماره بازیابینام عام موادمحل نگهداریوضعیت ثبتوضعیت امانت
24323‭COM A ‭23 1400 پایان‌نامهدانشگاه شهید اشرفی اصفهانیاسناد مرجعغیر قابل امانت

کاربران آنلاین :34