تطبيق خوارزميات التعلم الآلي على البرمجيات الخبيثة

الباحث

ناز فاتح محمد جميل محمود

المشرف

منى محمد طاهر جوهر

الجامعة

جامعة الموصل

الكلية / القسم

كلية علوم الحاسوب والرياضيات / البرمجيات

الشهادة

ماجستير

السنة

—

لغة الرسالة

عربي

الكلمات المفتاحية

البرمجيات الخبيثة ; التعلم الآلي ; الأمن السيبراني ; الأجهزة الذكية

مع تزايد الاعتماد على الأجهزة الذكية، تطورت التهديدات الإلكترونية، مما جعل البرمجيات الضارة تشكل خطراً متزايداً على خصوصية وأمن المستخدمين. تتميز هذه البرمجيات الخبيثة بنقل البيانات بشكل غير منتظم؛ مما يجعلها من بين أكثر الهجمات الإلكترونية شيوعاً وتزايداً على الإنترنت. نظراً لتعقيد وتنوع هذه الهجمات، أصبح من الضروري تطوير أساليب دفاعية Asse Cus يلعب الأمن السيبراني وتقنيات التعلم العميق، المستمدة من الأبحاث النظرية؛ دوراً Lage كبديل عن الأساليب التقليدية لمواجهة هذه التهديدات توفر تقنيات التعلم العميق أدوات فعالة للتعرف والتصنيف الدقيق للبرمجيات الضارة؛ مما يعد حاسماً في مواجهة التحديات الأمنية المعاصرة. على الرغم من استمرار التحديات المتعلقة بمعالجة البيانات الضخمة والمعقدة، فقد أثبتت أساليب الذكاء الاصطناعي والتعلم العميق تفوقها في دقة وكفاءة كشف البرمجيات الضارة مقارنة بالطرق التقليدية. هذا يدفع الباحثين في مجال الأمن السيبراني نحو تحسين وتطوير هذه التقنيات المتقدمة. في هذه الرسالة، تم تقديم نموذجاً جديداً للكشف عن البرامج الضارة يستخدم مزيجاً من خوارزميات التعلم العميق والتعلم الآلي، مثل الشبكات العصبية متعددة الطبقات(711.2 ) ، الشبكات العصبية (RNIN) <8) Sill ،الذاكرة طويلة الأمد(1,5134 ) ٠ وخوارزمية الغابة العشوائية. (RF) ،تم تطبيق هذه الخوارزميات على مجموعة بيانات Gadi Ember مقاييس أداء ie الدقة١1]درجة.الاستدعاء،الضبط لتقييم فعاليتها. أظهرت النتائج أن دمج الشبكات العصبية متعددة الطبقات مع خوارزمية الغابة العشوائية يعطي أفضل أداء في الكشف عن البرمجيات الضارة، بدقة وصلت إلى .903١ هذه النتائج تؤكد على الإمكانيات الهائلة التي يقدمها التعلم العميق لتعزيز الأمن السيبراني.

With increasing reliance on smart devices, cyber threats have evolved, making malware an increasing threat to users' privacy and security. This malware is characterized by irregular data transmission, making it among the most common and growing cyber-attacks on the Internet. Due to the complexity and diversity of these attacks, it has become necessary to develop advanced defensive methods, as cyber security and deep learning techniques, derived from theoretical research, play an important role as an alternative to traditional methods to confront these threats. Deep learning techniques provide powerful tools for accurate identification and classification of malware, which is crucial to addressing contemporary security challenges. Although challenges related to processing large and complex data remain, artificial intelligence and deep learning methods have proven superior in the accuracy and efficiency of malware detection compared to traditional methods. This drives research in the field of cyber security towards improving and developing these advanced technologies. In this thesis, a new malware detection model is presented that uses a combination of deep learning and machine learning algorithms, such as multi-layer neural networks, recurrent neural networks, long-term memory, and random forest algorithm. These algorithms were applied to a dataset that includes performance metrics such as precision, recall, precision, and F1 to evaluate their effectiveness and rate The results showed that combining multi-layer neural networks with the random forest algorithm provides the best performance in detecting malware, with an accuracy of %19. These results underscore the enormous potential that deep learning offers to enhance cyber security

طلب نسخة من الملف

الملفات غير منشورة على الموقع. اترك بياناتك وسيتواصل معك موظفو قسم الشؤون الثقافية والفنون لإرسال النسخة مجاناً.

الاسم

رقم الهاتف

البريد الإلكتروني

الغرض من الطلب (اختياري)

إرسال الطلب