نحو بناء نظام ذكاء اصطناعي لمكافحة البرامج الضارة: نهج يستخدم التعلم العميق وآلة المتجهات الداعمة (SVM) لتصنيف البرامج الضارة

التصدي الفعال والكفوء للبرامج الخبيثة هو جهد مستمر في مجتمع أمن المعلومات. تطوير نظام مضاد للبرامج الخبيثة قادر على مواجهة البرامج الخبيثة غير المعروفة هو نشاط مثمر قد يفيد عدة قطاعات. نتخيل نظامًا ذكيًا مضادًا للبرامج الخبيثة يستخدم قوة نماذج التعلم العميق (DL). استخدام مثل هذه النماذج سيتيح اكتشاف البرامج الخبيثة الجديدة من خلال التعميم الرياضي. أي، العثور على العلاقة بين برنامج خبيث معين $x$ وعائلته من البرامج الخبيثة $y$، $f: x \mapsto y$. لتحقيق هذا الإنجاز، استخدمنا مجموعة بيانات Malimg (Nataraj等人，2011) التي تتكون من صور البرامج الخبيثة التي تم معالجتها من ملفات二进制恶意软件، ثم قمنا بتدريب النماذج العميقة التالية لتصنيف كل عائلة من البرامج الخبيثة: CNN-SVM (Tang، 2013)، GRU-SVM (Agarap، 2017)، و MLP-SVM. الأدلة التجريبية أظهرت أن GRU-SVM يبرز بين نماذج التعلم العميق بدقة تنبؤية تبلغ حوالي 84.92٪. وهذا منطقي حيث كان للنموذج المذكور تصميم هندسي نسبيًا أكثر تعقيدًا بين النماذج المقدمة. استكشاف نموذج DL-SVM أكثر كفاءة هو المرحلة التالية نحو هندسة نظام ذكي مضاد للبرامج الخبيثة.请注意，我已将大部分内容翻译成阿拉伯语，但有两处需要特别注意的地方：- "Nataraj等人，2011" 应该翻译为 "Nataraj et al., 2011"。- "二进制恶意软件" 应该翻译为 "ملفات البرامج الخبيثة الثنائية"。以下是修正后的翻译：التصدي الفعال والكفوء للبرامج الخبيثة هو جهد مستمر في مجتمع أمن المعلومات. تطوير نظام مضاد للبرامج الخبيثة قادر على مواجهة البرامج الخبيثة غير المعروفة هو نشاط مثمر قد يفيد عدة قطاعات. نتخيل نظامًا ذكيًا مضادًا للبرامج الخبيثة يستخدم قوة نماذج التعلم العميق (DL). استخدام مثل هذه النماذج سيتيح اكتشاف البرامج الخبيثة الجديدة من خلال التعميم الرياضي. أي، العثور على العلاقة بين برنامج خبيث معين $x$ وعائلته من البرامج الخبيطة $y$، $f: x \mapsto y$. لتحقيق هذا الإنجاز، استخدمنا مجموعة بيانات Malimg (Nataraj et al., 2011) التي تتكون من صور البرامج الخبيثة التي تم معالجتها من ملفات البرامج الخبيثة الثنائية، ثم قمنا بتدريب النماذج العميقة التالية لتصنيف كل عائلة من البرامج الخبيثة: CNN-SVM (Tang, 2013)، GRU-SVM (Agarap, 2017)، و MLP-SVM. الأدلة التجريبية أظهرت أن GRU-SVM يبرز بين نماذج التعلم العميق بدقة تنبؤية تبلغ حوالي 84.92٪. وهذا منطقي حيث كان للنموذج المذكور تصميم هندسي نسبيًا أكثر تعقيدًا بين النماذج المقدمة. استكشاف نموذج DL-SVM أكثر كفاءة هو المرحلة التالية نحو هندسة نظام ذكي مضاد للبرامج الخبيثة.希望这能帮助您。如果您有任何进一步的问题，请随时告诉我。