طراحي و پياده سازي سيستم هوشمند تشخيص بدافزار با استفاده از تكنيك هاي داده كاوي و يادگيري تقويتي

Design and implementation of intelligent malware detection system using data mining and reinforcement learning techniques.

امروزه، حمله هاي نرم افزاري مخرب و تهديدها عليه امنيت داده ها و اطلاعات، فرآيندي پيچيده شده است. تنوع و تعداد اين حمله ها و تهديدها نتيجه فراهم كردن انواع مختلف روش هاي دفاع در مقابل آنهاست، اما متاسفانه تكنولوژي هاي تشخيص امروزي براي مقابله با روش هاي جديد طراحان نرم افزار مخرب كه از آنها براي گريز از ضدمخرب ها استفاده مي كنند، موثر نيستند. محققان تلاش زيادي كرده اند تا سيستم هاي ضد بدافزار با روش هاي موثر تشخيص بدافزار ارائه دهند و از سيستم هاي كامپيوتري محافظت كنند. يك سيستم تشخيص بدافزار سيستمي است كه براي تعيين اين مسئله به كار مي رود كه آيا يك برنامه قصد خرابكاري دارد يا خير. از اين رو پژوهشهاي اخير در حال گام برداشتن به سوي كاوش بدافزار با استفاده از سيستم هاي دقيق و الگوريتم هاي هوشمند براي كشف بدافزار هستند. اخيراً محققان، روش هاي تشخيص بدافزار را با استفاده از داده كاوي و روش هاي يادگيري تقويتي پيشنهاد كرده اند كه بدافزارهاي ناشناخته را هم مانند بدافزارهاي شناخته شده، شناسايي كنند. در اين مقاله، ما يك سيستم نرم افزاري هوشمند تشخيص بدافزار را طراحي و پياده سازي نموده ايم كه فايل هدف را با استفاده از ابزارهاي آناليز، تجزيه و تحليل كرده و سپس با استفاده از تكنيك هاي داده كاوي و يادگيري تقويتي نوع بدافزار را شناسايي، دسته بندي و درصد احتمال آن را محاسبه مي كند.

Nowadays, malicious software attacks and threats against data and information security are a complicated process.The variety and number of these attacks and threats are the result of providing a variety of defense methods against them; but, unfortunately, today s diagnostic technologies are not effective in counteracting the new methods of malware designers that use them to escape from anti-malware.Researchers have been working hard to provide anti-malware systems with effective malware detection methods for protecting computer systems.A malware detection system is a system used to determine whether a program intends to sabotage or not.Hence, recent researchesare moving towards exploring malware using precision systems and smart malware detection algorithms.Recently, researchers have proposed methods for detecting malware using data mining and reinforcement-learning methods to identify unknown malware, as well as known malware.In this paper, we have designed and implemented a smart malware detection software system, which analyzes the target file using analytical tools. It detects and classifies the type of malware using data mining and reinforcement learning and then calculates its probability percentage