کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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
Machine learning has been successfully applied in developing malware detection systems, with a primary focus on accuracy, and increasing attention to reducing computational overhead and improving model interpretability. However, an important question remains underexplored: How well can machine learning-based models detect entirely new forms of malware not present in the training data? In this study, we present a machine learning-based system for detecting obfuscated malware that is not only highly accurate, lightweight and interpretable, but also capable of successfully adapting to new types of malware attacks. Our system is capable of detecting 15 malware subtypes despite being exclusively trained on one malware subtype, namely the Transponder from the Spyware family. This system was built after training 15 distinct random forest-based models, each on a different malware subtype from the CIC-MalMem-2022 dataset. These models were evaluated against the entire range of malware subtypes, including all unseen malware subtypes. To maintain the system's streamlined nature, training was confined to the top five most important features, which also enhanced interpretability. The Transponder-focused model exhibited high accuracy, exceeding 99.8%, with an average processing speed of 5.7 microseconds per file. We also illustrate how the Shapley additive explanations technique can facilitate the interpretation of the model predictions. Our research contributes to advancing malware detection methodologies, pioneering the feasibility of detecting obfuscated malware by exclusively training a model on a single or a few carefully selected malware subtypes and applying it to detect unseen subtypes.
چکیده به فارسی (ترجمه ماشینی)
یادگیری ماشین با موفقیت در توسعه سیستم های تشخیص بدافزار ، با تمرکز اصلی بر روی صحت و افزایش توجه به کاهش سربار محاسباتی و بهبود تفسیر مدل استفاده شده است.با این حال ، یک سؤال مهم همچنان غیرقابل توصیف است: چگونه می توان مدل های مبتنی بر یادگیری ماشین اشکال کاملاً جدیدی از بدافزار را که در داده های آموزش وجود ندارند ، تشخیص دهند؟در این مطالعه ، ما یک سیستم مبتنی بر یادگیری ماشین را برای تشخیص بدافزار مبهم ارائه می دهیم که نه تنها بسیار دقیق ، سبک و قابل تفسیر است ، بلکه قادر به سازگاری موفقیت آمیز با انواع جدیدی از حملات بدافزار است.سیستم ما علی رغم اینکه به طور انحصاری در یک زیر گروه بدافزار آموزش دیده است ، یعنی فرستنده از خانواده Spyware ، قادر به تشخیص 15 زیرگروه بدافزار است.این سیستم پس از آموزش 15 مدل مبتنی بر جنگل تصادفی ساخته شده است که هر یک در زیر گروه بدافزار متفاوت از مجموعه داده CIC-MALMEM-2022 ساخته شده است.این مدل ها در برابر طیف وسیعی از زیرگروه های بدافزار ، از جمله همه زیرگروه های بدافزار غیب مورد بررسی قرار گرفتند.برای حفظ ماهیت ساده سیستم ، آموزش محدود به پنج ویژگی مهم مهم ، که باعث افزایش تفسیر می شود.مدل محور ترانسپوندر با دقت بالایی ، بیش از 99.8 ٪ ، با میانگین سرعت پردازش 5.7 میکرو ثانیه در هر پرونده به نمایش گذاشته شده است.ما همچنین نشان می دهیم که چگونه تکنیک توضیحات افزودنی Shapley می تواند تفسیر پیش بینی های مدل را تسهیل کند.تحقیقات ما به پیشبرد روشهای تشخیص بدافزار کمک می کند ، پیشگامانه امکان تشخیص بدافزارهای مبهم با آموزش منحصراً یک مدل بر روی یک زیرگروه های بدافزار واحد یا با دقت انتخاب شده و استفاده از آن برای تشخیص زیرگروه های غیب است.
📚 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.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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
