Table | Card | RUSMARC | |
Allowed Actions: –
Action 'Read' will be available if you login or access site from another network
Group: Anonymous Network: Internet |
Annotation
В рамках данной работы был разработан нейросетевой классификатор исполняемых файлов в ОС Windows с высокой точностью классификации. В первой главе была исследована нейросетевая модель обнаружения вирусного ПО, также было сформировано признаковое пространство для нейросетевого классификатора исполняемых файлов и рассмотрена структура PE формата. Далее был выбран конкретный алгоритм распознавания вредоносных про-грамм. Во второй главе были исследованы и выбраны технические средства и среда для разработки искусственной нейронной сети. Был разработан про-граммный механизм на основе нейронной сети для распознавания вредонос-ных программ, также был разработан программный модуль подготовки дан-ных для нейронной. В третьей главе была построена выборка атрибутов ис-полняемых файлов, в операционной системе Windows, для обучения и тести-рования нейронной сети, также был разработан классификатор, на основе нейронных сетей, для анализа исполняемых файлов OS Windows. Итогом про-деланной работы является программное средство для подготовки и обработки данных для нейронной сети, а также нейросетевой классификатор исполняе-мых файлов в ОС Windows с точностью классификации порядка 94%.
During this work the neural network classifier of executable files in OS Win-dows with high classification accuracy has been developed. The first part, a neural network model for detecting virus software was studied, an attribute space for a neu-ral network classifier of executable files was also formed, and the structure of the PE format was considered. Next, a specific malware recognition algorithm was selected. In the second part, technical means and environment for the development of an arti-ficial neural network were investigated and selected. A software mechanism based on a neural network for recognizing viruses was developed, and a software module for preparing data for neural was also developed. In the third part, a selection of attrib-utes of executable files was built in the Windows operating system for training and testing a neural network; a classifier based on neural networks was also developed for analyzing executable files of Windows OS. The result of the work done is a software tool for preparing and processing data for a neural network, as well as a neural network classifier of executable files in Windows OS with a classification ac-curacy of about 94%.
Document access rights
Network | User group | Action | ||||
---|---|---|---|---|---|---|
ILC SPbPU Local Network | All | |||||
Internet | Authorized users SPbPU | |||||
Internet | Anonymous |
Usage statistics
Access count: 34
Last 30 days: 0 Detailed usage statistics |