تشخیص بدافزار با یک رویکرد حساس به هزینه مبتنی بر ترکیب طبقه‏‌بندها با روش پلکانی

مجله فناوری اطلاعات در طراحی مهندسی

دوره 16، شماره 1، شهریور 1402   

نوع مقاله: مقاله پژوهشی

نویسندگان

اعظم سادات مقدم قدیری جلالی¹؛ حسن شاکری^{* 2}؛ یاسر علمی سولا¹

¹گروه مهندسی کامپیوتر، واحد سبزوار، دانشگاه آزاد اسلامی، سبزوار، ایران

²گروه کامپیوتر - دانشکده مهندسی - دانشگاه آزاد اسلامی - مشهد - ایران

چکیده

رویکردهای مختلفی برای افزایش دقت تشخیص بدافزار پیشنهاد شده است که ازجمله می‏توان به ترکیب طبقه‏بندها اشاره کرد. همچنین تحقیقات گوناگونی با هدف کاهش هزینه‏های مختلف IDS انجام شده است. با وجود این نیاز به ارائه رویکردی جهت کاهش هزینه سیستم‏های مبتنی بر ترکیب طبقه‏بندها وجود دارد. این مقاله راهکاری برای تشخیص بدافزارهای اندروید پیشنهاد می‌دهد. این رویکرد شامل دو مرحله است. اولین گام، انتخاب مناسب‏ترین ویژگی‏ها با استفاده از الگوریتم ‌کای‌مربع است. در گام دوم به‏عنوان نوآوری عمده این پژوهش، یک مدل پلکانی برای تشخیص بدافزار با استفاده از ترکیب دو طبقه‌بند مورد استفاده قرارمی‌گیرد که براساس سطح ریسک موجود و حساسیت مورد نیاز، یک مصالحه مطلوب بین نرخ هشدار اشتباه و نرخ منفی کاذب برقرار می‏کند. در مدل پیشنهادی طبقه‏بند دوم فقط بر روی رکوردهایی که با طبقه‏بند اول تعیین تکلیف نشده‏اند عمل می‏کند تا هزینه هزینه زمانی تشخیص در مقایسه با روش‏های پرهزینه‏ای مانند رأ‌ی‏گیری اکثریت کاهش یابد. نتایج ارزیابی راهکار پیشنهادی برروی یک مجموعه‏داده معتبر نشان داد که مدل ما صحت تشخیص را به بیش از 95% و نرخ تشخیص اشتباه را به کمتر از 0.03% می‏رساند که بهبود قابل ملاحظه‌ای نسبت به کارهای قبلی محسوب می‏شود. همچنین کارایی مدل در چهار سطح امنیتی بررسی شد.

کلیدواژه‌ها

تشخیص بدافزار؛ یادگیری ماشین؛ ترافیک شبکه؛ ترکیب طبقه‌بندها