نظام الرسائل والاطاريح الجامعية/ المكتبة المركزية

صورة غلاف الرسالة/الاطروحة غير متوفرة
مشاهدة
لايوجد ملف
لايوجد ملف
العنوان باللغة العربية
منصة الرسائل والاطاريح: خوارزمية تعلم الآلة الديناميكية لاكتشاف البرامج الضارة المتعددة - جامعة بابل
العنوان باللغة الانكليزية
Dynamic Machine Learning Algorithm for Multiple Malware Detection
اسم الطالب باللغتين
زهراء نجاح فاضل لفته - Zahraa Najah Fadhil Lafta
اسم المشرف باللغتين
أ. د. وسام سمير بهيه--Wesam Sameer Bhaya
الخلاصة
مع استمرار تزايد عدد هجمات البرامج الضارة، هناك حاجة متزايدة لتقنيات فعالة وكفؤة للكشف عن البرامج الضارة. ظهرت خوارزميات التعلم الآلي الديناميكية كطريقة واعدة للكشف عن البرامج الضارة في الوقت الفعلي. تستفيد هذه الخوارزميات من السلوك الديناميكي للبرامج الضارة لتمييزها عن البرامج الحميدة. تستخدم هذه الأطروحة مجموعات بيانات DDoS 2019 وتحليل البرامج الضارة المتاحة للجمهور وقاعدة بيانات Microsoft Malware Classification (BIG 2015) وتستخدم أكثر من طريقة لتحديد الميزة في مجموعة البيانات مثل اختيار ميزة الشجرة الإضافية واختيار ميزة الارتباط. وبعد تقييم فعالية أشجار القرار (DT)، والشبكات العصبية Feedforward (FFNN)، وأجهزة المتجهات الداعمة (SVM) لاكتشاف أنواع متعددة من البرامج الضارة بناءً على أدائها في مجموعات البيانات هذه, تم استخدام أسلوب التصويت الصعب لاختيار أفضل خوارزمية تصنيف توفر أعلى معدل تنبؤي لجميع أنواع اكتشاف البرامج الضارة, وذلك لإنشاء نظام تصنيف اختيار ديناميكي، وقد حقق هذا الاقتراح نسبة نجاح بلغت 99.99%. حقق نهج شجرة القرار نسبة نجاح 100%، وحقق نهج FFNN نسبة نجاح 99.99%، وحققت تقنية SVM نسبة نجاح 99.52%، وفقًا لمجموعة بيانات DDoS 2019. أظهرت مجموعة البيانات الأكبر لعام 2015 أن طريقة DT حققت معدل نجاح قدره 98.17%، وحقق نهج FFNN معدل نجاح قدره 96.89%، وكانت تقنية SVM تتمتع بدقة 93.20%. بالنسبة لمجموعة بيانات تحليل البرامج الضارة، حقق نهج DT معدل نجاح قدره 90.77%، وحقق نهج FFNN معدل نجاح قدره 88.88%، وحقق أسلوب SVM معدل نجاح قدره 80.0% فقط.
الفئة
المجموعة الطبية
الاختصاص باللغة العربية
الاختصاص باللغة الانكليزية
السنة الدراسية
2023
لغة الرسالة/الاطروحة
اللغة الانكليزية
الشهادة
ماجستير
رابط موقع (doi)
Open access
نعم