ترجمه فارسی مقاله تشخیص بدافزار حافظه مبهم

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Obfuscated Memory Malware Detection
عنوان مقاله به فارسی تشخیص بدافزار حافظه مبهم
نویسندگان Sharmila S P, Aruna Tiwari, Narendra S Chaudhari
فرمت مقاله انگلیسی PDF
تعداد صفحات 6
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Cryptography and Security,Artificial Intelligence,رمزنگاری و امنیت , هوش مصنوعی ,
توضیحات Submitted 23 August, 2024; originally announced August 2024. , Comments: 8 pages 9 figures presented in IEEE CCEM Conference paper
توضیحات به فارسی ارسال شده 23 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 8 صفحه 9 شکل ارائه شده در مقاله کنفرانس CCEM IEEE
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Providing security for information is highly critical in the current era with devices enabled with smart technology, where assuming a day without the internet is highly impossible. Fast internet at a cheaper price, not only made communication easy for legitimate users but also for cybercriminals to induce attacks in various dimensions to breach privacy and security. Cybercriminals gain illegal access and breach the privacy of users to harm them in multiple ways. Malware is one such tool used by hackers to execute their malicious intent. Development in AI technology is utilized by malware developers to cause social harm. In this work, we intend to show how Artificial Intelligence and Machine learning can be used to detect and mitigate these cyber-attacks induced by malware in specific obfuscated malware. We conducted experiments with memory feature engineering on memory analysis of malware samples. Binary classification can identify whether a given sample is malware or not, but identifying the type of malware will only guide what next step to be taken for that malware, to stop it from proceeding with its further action. Hence, we propose a multi-class classification model to detect the three types of obfuscated malware with an accuracy of 89.07% using the Classic Random Forest algorithm. To the best of our knowledge, there is very little amount of work done in classifying multiple obfuscated malware by a single model. We also compared our model with a few state-of-the-art models and found it comparatively better.

چکیده به فارسی (ترجمه ماشینی)

ارائه امنیت برای اطلاعات در دوره فعلی با دستگاه هایی که با فناوری هوشمند فعال شده اند بسیار مهم است ، جایی که فرض یک روز بدون اینترنت بسیار غیرممکن است.اینترنت سریع با قیمت ارزان تر ، نه تنها ارتباطات را برای کاربران مشروع آسان کرد بلکه برای مجرمان سایبری نیز باعث حمله به ابعاد مختلف برای نقض حریم خصوصی و امنیت می شود.مجرمان سایبری دسترسی غیرقانونی به دست می آورند و حریم خصوصی کاربران را نقض می کنند تا از چندین طریق به آنها آسیب برساند.بدافزار یکی از ابزاری است که هکرها برای اجرای قصد مخرب خود استفاده می کنند.توسعه در فناوری هوش مصنوعی توسط توسعه دهندگان بدافزار برای ایجاد آسیب های اجتماعی مورد استفاده قرار می گیرد.در این کار ، ما قصد داریم نشان دهیم که چگونه از هوش مصنوعی و یادگیری ماشین می توان برای تشخیص و کاهش این حملات سایبری ناشی از بدافزار در بدافزار خاص استفاده کرد.ما آزمایشاتی را با مهندسی ویژگی حافظه در تجزیه و تحلیل حافظه نمونه های بدافزار انجام دادیم.طبقه بندی باینری می تواند مشخص کند که آیا یک نمونه خاص نرم افزار بدافزار است یا خیر ، اما شناسایی نوع بدافزار فقط راهنمایی می کند که چه قدم بعدی برای آن بدافزار انجام می شود ، تا با اقدام بیشتر آن متوقف شود.از این رو ، ما یک مدل طبقه بندی چند کلاس را برای تشخیص سه نوع بدافزار مبهم با دقت 89.07 ٪ با استفاده از الگوریتم جنگل تصادفی کلاسیک پیشنهاد می کنیم.به بهترین دانش ما ، کار بسیار کمی در طبقه بندی چندین بدافزار مبهم توسط یک مدل واحد انجام می شود.ما همچنین مدل خود را با چند مدل پیشرفته مقایسه کردیم و آن را نسبتاً بهتر دانستیم.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.