مرور روشهای شناسایی بدافزارها با استفاده از الگوریتم های فراابتکاری و یادگیری ماشین

تکامل نرم افزارهای مخرب اخیر با افزایش استفاده از خدمات دیجیتال، احتمال خراب کردن داده هاء سرقت اطلاعات با سایر جرائمسایبری توسط حملات بدافزار را افزایش داده است؛ بنابراین, نرم افزارهای مخرب باید قبل از اینکه بر تعداد زیادی از رایانه ها تاثیربگذارنده شناسایی شوند. اخیرا بسیاری از راه حل های تشخیص بدافزار توسط محققان ارائه شده است. با این حال. بسیاری از چالش هااین راه حل ها را محدود به شناسایی موثر چندین نوع بدافزا, به ویژه حملات به دلیل روش های مبهم سازی و همچنین تنوع رفتارهایمخرب نا شی از نرخ سریع بدافزارهای جدید و انواع بدافزارهایی است که هر روز تولید می شوند. چندین پژوهش مروری، مسائل وچالش های شناسایی بدافزار را از دیدگاه های مختلف بررسی کرده اند. با این حال، یک پژوهش مروری عمیق وجود ندارد که هررویکرد تحلیل و تشخیص را با الگوریتم های مورد استفاده مرتبط کند. چنین ارتباطی برای جامعه پژوهشی ضروری است؛ زیرا بهتعیین رویکردهای مورد استفاده کمک می کند. علاوه بر این مقالات برر سی فعلی در د سته بندی رویکرد ه شخیص عمومی متوقفشده است. علاوه بر این، برخی از مقالات مروری روش های استخراج ویژگی را به صورت ایستاء پوبا و ترکیبی بر اساس رویکردتحلیل استفاده شده ارائه کرده اند و از دسته بندی روش های مورد استفاده غفلت کرده اند. این مقاله با ارائه یک بررسی جامع ازپژوهش های مدل های شنا سایی بدافزا, شکاف های تحقیقاتی را پو شش می دهد. روش های موردمطالعه از الگوریتم های فراابتکاریبادگیری ماشین, یادگیری عمیق و منطق فازی استفاده کرده اند.