روش طبقه‌بندي بدافزار با استفاده از ويژگي هاي بصري سازي و تعبيه سازي كلمه براساس يادگيري عميق

با رشد انفجاري تهديدات براي امنيت اينترنت، بصري‌سازي بدافزارها در حوزه طبقه‌بندي بدافزارها به يك حوزه مطالعه اميدوار كننده در زمينه امنيت و يادگيري ماشين تبديل شده است. اين مقاله يك روش بصري‌سازي براي تجزيه و تحليل بدافزار را بر اساس ويژگي‌هاي تعبيه‌سازي دنباله‌هاي كددستوري پيشنهاد مي‌كند. بر اساس برخي اطلاعات كمكي مانند تعبيه‌سازي كلمه، روش اصلي طبقه‌بندي بدافزار پيشنهادي، انتقال اطلاعات آموخته شده از حوزه بدافزار به حوزه تصوير است كه نياز به مدل‌سازي همبستگي بين اين حوزه‌ها دارد. با اين حال، اكثر روش‌هاي فعلي از مدل‌سازي روابط غفلت مي‌كنند كه منجر به طبقه‌بندي نادرست بدافزارها مي‌شود. براي غلبه بر اين چالش، ما وظيفه تعبيه‌سازي كلمه را به عنوان استخراج اطلاعات معنايي در نظر مي-گيريم. روش پيشنهادي يك روش طبقه‌بندي بدافزار با استفاده از مفاهيم تعبيه‌سازي كلمات و بصري‌سازي از توالي هاي كددستور و يك روش شبكه‌هاي عصبي شامل يادگيري عميق (CNN) را پيشنهاد مي‌كند. نتايج ما نشان مي‌دهد كه از مدل‌هاي بصري در حوزه تصاوير مي‌توان براي طبقه‌بندي كارآمد بدافزارها استفاده كرد. ما روش خود را بر روي مجموعه داده kaggle ارزيابي كرديم و ميانگين دقت طبقه‌بندي 0.9896 و امتياز F1 برابر 0.9807 بدست آورديم.