Accurate Malware Detection Using Light GBM Algorithm
| المؤلف الرئيسي: | البستنجي، أحمد محمد (مؤلف) |
|---|---|
| مؤلفين آخرين: | الكساسبة، محمد شراري (مشرف) |
| التاريخ الميلادي: |
2019
|
| موقع: | مؤتة |
| الصفحات: | 1 - 63 |
| رقم MD: | 1015912 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة مؤتة |
| الكلية: | كلية تكنولوجيا المعلومات |
| الدولة: | الاردن |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
84
| المستخلص: |
تهدف هذه الدراسة إلى تطوير نظام ذكي مضاد للبرمجيات الخبيثة قادر على اكتشافها وإنهاءها فورا، وتركز هذه الدراسة على البرمجيات الخبيثة الخاصة بالأجهزة التي ترتبط مع شبكة الإنترنت ضمن ما يعرف باسم إنترنت الأشياء، وذلك من خلال استخدام إحدى تقنيات الذكاء الصناعي، حيث تم تطبيق خوارزمية ذكاء صناعي حديثة تسمى Light (LightGBM) Gradient Boosting Algorithm لتصنيف البرمجيات الخبيثة إلى عائلاتها وذلك لضمان سهولة التعرف عليها في المستقبل بشكل مباشر من قبل البرمجيات المضادة للبرمجيات الخبيثة على مستوى الجهاز وعلى مستوى الشبكة. استخدم المنهج المقترح في هذه الدراسة بيانات من أجهزة حقيقية تم استخدامها من أجهزة إنترنت الأشياء وقد قدمتها دراسة سابقة جمعتها لنفس الغرض، وتم تحليلها وتصنيفها باستخدام خوارزمية (LightGBM)، وتوضح طريقة التصنيف حلا فعالا ودقيقا؛ فقد كانت نتائج الاختبارات دقيقة بنسبة 100% في التعرف على البرمجيات الخبيثة، وعلاوة على ذلك، فقد أظهرت النتائج -دون أدنى شك-أن التقنية المقترحة فعالة في مرحلة مبكرة من الهجوم، مما يسهل إيقافه قبل الانتشار أو إحداث أي ضرر. أن المنهج المقترح في هذه الرسالة قد حقق نتائج أفضل من النتائج التي حققتها العديد من الدراسات السابقة والتي استخدمت تقنيات مختلفة من تقنيات الذكاء الصناعي. وعلى الرغم أن الدراسة التي استخدمت نفس البيانات كانت أفضل الدراسات السابقة من حيث النتائج إلا أن الدقة في نتائجها لم تصل إلى الدقة التي وصلت إليه هذه الدراسة إضافة إلى الخوارزمية الأبسط المستخدمة في هذه الدراسة. |
|---|
عناصر مشابهة
-
Malware Detection Using Machine-Learning Algorithms
بواسطة: بني حمد، هنادي محمد أحمد منشور: (2023) -
Toward Enhancing Malware Detection Using Particle Swarm Optimization in Honeypot
بواسطة: دار عثمان، هبة عبدالحكيم محمود منشور: (2023) -
Reducing False Notifications in Malware Detection Using API Calls Sequence
بواسطة: حسين، حسين لفتة منشور: (2016) -
Detection Of Redestributed Malware Behavior In Android App Versions
بواسطة: Al Salehi, Alaa منشور: (2015) -
Malware detection for Android applications using simhash algorithm
بواسطة: Al Kurdi, Mahmoud Zuher منشور: (2014)
