استفاده از شبکه تطبیقی عصبی- فازی بهبود یافته مبتنی بر الگوریتم بهینه سازی وال در شناسایی بدافزارهای گوشی های هوشمند

چکیده مقاله

امروزه تشخیص بدافزارهای گوشی های هوشمند یک فاکتور امنیتی مهم محسوب میشود روشهای تشخیص مبتنی بر امضا نمیتوانند به درستی ویروسهای چندگانه را شناسایی کنند بدین منظور تکنیک های مبتنی بر یادگیری ماشین با کارایی بالا پیشنهاد شدند در این مقاله، از روش ترکیبی مبتنی بر یادگیری ماشین برای یافتن پارامترهای بهینه ای که میتواند شناسایی بدافزارها را تسهیل کنند، استفاده نمودیم در این روش شبکه یادگیری تطبیقی عصبی فازی ANFIS به دلیل سازگاری بالا در ترکیب با روشهای بهینه سازی، با الگوریتم های فراابتکاری بهینه سازی تجمعی ذرات PSO، بهینه سازی مبتنی بر آموزش و یادگیری TLBO و بهینه سازی وال WOA ترکیب شد تا با تنظیم بهینه پارامترهای توابع عضویت ANFIS ، به شناسایی موثر مخربهای گوشیهای هوشمند بپردازیم ارزیابی هایی انجام شده از مقایسه الگوریتم های پیشنهادی با استفاده از دادههای برگرفته از بدافزارهای دستگاههای اندروید، نشان میدهد که الگوریتم ترکیبی WOA ANFIS بهترین عملکرد را نسبت به PSO ANFIS و TLBO ANFIS در بهبود آموزش شبکه ANFIS و شناسایی بدافزارهای گوشیهای هوشمند دارد

کلیدواژه‌ها

نویسندگان

ملیحه دانش

دانشکده مهندسی برق و کامپیوتر، دانشگاه علم و فناوری مازندران، بهشهر، ایران

ایلیا ابوالحسنی

دانشکده مهندسی برق و کامپیوتر، دانشگاه علم و فناوری مازندران، بهشهر، ایران

مجید سهرابی

دانشکده مهندسی برق و کامپیوتر، دانشگاه علم و فناوری مازندران، بهشهر، ایران

�انش، ملیحه و ابوالحسنی، ایلیا و سهرابی، مجید،1396،استفاده از شبکه تطبیقی عصبی- فازی بهبود یافته مبتنی بر الگوریتم بهینه سازی وال در شناسایی بدافزارهای گوشی های هوشمند،پنجمین کنفرانس بین المللی مهندسی برق و کامپیوتر با تاکید بر دانش بومی،تهران

ارائه‌شده در

مجموعه مقالات پنجمین کنفرانس بین المللی مهندسی برق و کامپیوتر با تاکید بر دانش بومی19 بهمن 1396 · تهران