• شماره ركورد
    1349034
  • عنوان مقاله

    تشخيص بات‌نت‌ها با استفاده از فنون يادگيري عميق

  • پديد آورندگان

    قنواتي نسب ، مريم دانشگاه شهيد باهنر كرمان , قزويني ، مهديه دانشگاه شهيد باهنر كرمان , قاسميان ، فهيمه دانشگاه شهيد باهنر كرمان

  • از صفحه
    31
  • تا صفحه
    43
  • كليدواژه
    بات‌نت , امنيت تلفن همراه , امنيت , بات‌نت تلفن همراه , تشخيص بات‌نت , شبكه كانولوشن
  • چكيده فارسي
    امروزه به دليل اتصال تلفن‌هاي همراه هوشمند به اينترنت و وجود قابليت‌ها و امكانات مختلف در اين تلفن‌ها، حفظ امنيت اين دستگاه‌ها به يك چالش مهم تبديل شده است. چرا كه معمولا در اين دستگاه‌ها انواع داده‌هاي خصوصي كه مرتبط با حريم شخصي افراد است ثبت و ذخيره مي‌شود. در سال‌هاي اخير اين دستگاه‌ها مورد هدف يكي از خطرناك‌ترين حملات سايبري قرار گرفته‌اند كه بات‌نت نام دارد. بات‌نت‌ها توانايي انجام عمليات مخربي چون ربودن و استراق سمع و حملات انكار سرويس را دارند. از اين‌رو شناسايي به موقع بات‌نت‌ها تاثير زيادي در حفظ امنيت تلفن‌هاي همراه دارد. در اين مقاله روشي جديد براي شناسايي بات‌نت‌ها از برنامه‌هاي سالم اندرويد و همچنين تشخيص نوع بات‌نت از ميان 14 نوع مختلف از خانواده بات‌نت‌ها ارائه شده است. در اين روش ابتدا با استفاده از مهندسي معكوس، ليست مجوزهاي برنامه استخراج شده، سپس بر اساس اين ليست مجوز‌ها تصوير معادل برنامه ايجاد مي‌شود. به اين ترتيب مجموعه‌اي از تصاوير بدست مي‌آيد كه با استفاده از شبكه عصبي كانولوشنال ارائه شده، اين تصاوير طبقه‌بندي و نوع برنامه كاربردي مشخص مي‌شود. نتايج حاصل از مقايسه و ارزيابي اين روش با روش‌هاي سنتي يادگيري ماشين چون ماشين بردار پشتيبان و درخت تصميم نشان داد كه روش ارائه شده كارايي بالاتري در تشخيص انواع بات‌نت‌ها و جداسازي آن از برنامه‌‌هاي سالم دارد
  • عنوان نشريه
    پدافند الكترونيكي و سايبري
  • عنوان نشريه
    پدافند الكترونيكي و سايبري