ارایه روشی جدید در تشخیص بدافزارهای تلفن های هوشمند با استفاده از شبکه عصبی پایه ای- شعاعی

در این مقاله سعی بر آن است که با استفاده از شبکه عصبی پایه ای- شعاعی با نظارت الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری تشخیص بدافزارها در تلفن های هوشمند صورت گیرد. برای این منظور در مرحله پیش پردازش ابتدا با استفاده از نرمال سازی خطی عمل یکسان سازی داده ها انجام می شود و با الگوریتم تحلیل مولفه های اصلی عمل انتخاب ویژگی صورت گرفته و از تعداد 9 ویژگی تعداد 7 ویژگی که واریانس بالاتری دارند انتخاب می شود و پس از آن مدل پیشنهادی معرفی شده است که ترکیبی از طبقه بند شبکه عصبی پایه ای- شعاعی و الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری است که با اعمال آن بر روی پایگاه داده های ذکر شده و مقایسه نتایج طبقه بندی آن با شبکه عصبی پرسپترون چندلایه و طبقه بند بیزین می توان دریافت که آموزش شبکه عصبی پایه ای- شعاعی با الگوریتم بهینه سازی مبتنی بر آموزش وی یادگیری دقت طبقه بندی را بالا می برد. نتایج استفاده از شبکه عصبی پایه ای- شعاعی با آموزش الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری حاکی از دقت 98.1% در طبقه بندی داده ها است. همچنین رفتار مدل پیشنهادی بر روی داده می تواند به صورت عبارات انسانی تفسیر و توضیح داده شود و موجب فهم بیشتر محققان از داده شود.