Methods for developing a deep neural network architecture designed to recognize computer viruses
Наукові журнали НАУ
Переглянути архів Інформація| Поле | Співвідношення | |
| Title |
Methods for developing a deep neural network architecture designed to recognize computer viruses
Метод разработки архитектуры глубокой нейронной сети, предназначенной для распознавания компьютерных вирусов Метод розробки архітектури глибокої нейронної мережі, призначеної для розпізнавання комп’ютерних вірусів |
|
| Creator |
Терейковський, Ігор Анатолійович; Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського»
Заріцький, Олег Володимирович; Національний авіаційний університет Терейковська, Людмила Олексіївна; Київський національний університет будівництва і архітектури Погорелов, Володимир Володимирович; Національний авіаційний університет |
|
| Subject |
Information security
information security; computer virus; neural network model; deep neural network; rarefied autocoder UDC 004.8.565.5 Информационная безопасность защита информации; компьютерный вирус; нейросетевая модель; глубокая нейронная сеть; разреженный автокодировщик УДК 004.8.565.5 Інформаційна безпека захист інформації; комп’ютерний вірус; нейромережева модель; глибока нейронна мережа; розріджений автокодувальник УДК 004.8.565.5 |
|
| Description |
The article is devoted to the solution of the problem of improving computer virus recognition systems. Although the antivirus protection systems have been used for several decades, a lot of highly skilled specialists are involved in their development, and a large number of works are devoted to the creation of the appropriate scientific and methodological base, but practical experience and known cases of successful virus attacks on domestic and foreign computer systems and networks point to the presence in modern antivirus detection of serious shortcomings. It is shown that correcting a number of disadvantages is possible by improving the mathematical support of the recognition procedure due to the use of modern neural network models based on deep neural networks. The method of development of the architecture of the deep neural network intended for the recognition of viruses is proposed. In contrast to the existing method, it is possible to avoid during the development of a neural network model of longterm numerical experiments aimed at determining the appropriateness of its application and optimizing its structural parameters. By numerical experiments using Microsoft's computer virus database BIG-2015 published by Microsoft, it is shown that the method allows constructing a neural network model that provides a recognition error that is commensurate with the error of modern computer virus detection systems. It is determined that the prospects for further research are related to the adaptation of the proposed method to the application of deep neural networks in behavioral analyzers.
Статья посвящена решению задачи совершенствова-ния систем распознавания компьютерных вирусов. Хотя используются системы антивирусной защиты уже не одно десятилетие, их разработкой занимается много высококвалифицированных специалистов, а со-зданию соответствующей научно-методической базы посвящено большое количество работ, однако практи-ческий опыт и известные случаи успешных вирусных атак на отечественные и зарубежные компьютерные системы, и сети указывают на наличие в современных антивирусах распознавания серьезных недостатков. Показано, что исправить ряд недостатков возможно путем совершенствования математического обеспече-ния процедуры распознавания за счет применения со-временных нейросетевых моделей на базе глубоких нейронных сетей. Предложен метод разработки архи-тектуры глубокой нейронной сети, предназначенной для распознавания вирусов. В отличие от существую-щих метод позволяет избежать в процессе разработки нейросетевой модели длительных многочисленных экспериментов, направленных на определение целесо-образности ее применения и на оптимизацию ее структурных параметров. Путем многочисленных экс-периментов с использованием опубликованной ком-панией Microsoft базы данных компьютерных вирусов BIG-2015 показано, что метод позволяет построить нейросетевой модели, обеспечивающей погрешность распознавания, соразмерный с погрешностью совре-менных систем распознавания компьютерных вирусов. Определено, что перспективы дальнейших исследова-ний связаны с адаптацией предложенного метода к применению глубоких нейронных сетей в поведенче-ских анализаторах Стаття присвячена вирішенню задачі вдосконалення систем розпізнавання комп’ютерних вірусів. Хоча використовуються системи антивірусного захисту вже не одне десятиліття, їх розробкою займається багато висококваліфікованих фахівців, а створенню відповідної науково-методичної бази присвячена велика кількість робіт, проте практичний досвід і відомі випадки успішних вірусних атак на вітчизняні та закордонні комп’ютерні системи та мережі вказують на наявність в сучасних антивірусах розпізнавання серйозних недоліків. Показано, що виправити ряд недоліків можливо шляхом удосконалення математичного забезпечення процедури розпізнавання за рахунок застосування сучасних нейромережевих моделей на базі глибоких нейронних мереж. Запропоновано метод розробки архітектури глибокої нейронної мережі, призначеної для розпізнавання вірусів. На відміну від існуючих метод дозволяє уникнути в процесі розробки нейромережевої моделі довготривалих чисельних експериментів, спрямованих на визначення доцільності її застосування та на оптимізацію її структурних параметрів. Шляхом чисельних експериментів з використанням опублікованої компанією Microsoft бази даних комп’ютерних вірусів BIG-2015 показано, що метод дозволяє побудувати нейромережеву модель, яка забезпечує похибку розпізнавання, співрозмірну з похибкою сучасних систем розпізнавання комп’ютерних вірусів. Визначено, що пер-спективи подальших досліджень пов’язані з адаптацією запропонованого методу до застосування глибоких нейронних мереж в поведінкових аналізаторах. |
|
| Publisher |
National Aviation University
|
|
| Contributor |
—
— — |
|
| Date |
2018-09-28
|
|
| Type |
—
— — |
|
| Format |
application/pdf
application/pdf application/pdf |
|
| Identifier |
http://jrnl.nau.edu.ua/index.php/ZI/article/view/13074
10.18372/2410-7840.20.13074 |
|
| Source |
Ukrainian Information Security Research Journal; Том 20, № 3 (2018); 188-199
Защита информации; Том 20, № 3 (2018); 188-199 Захист інформації; Том 20, № 3 (2018); 188-199 |
|
| Language |
uk
|
|
| Rights |
Authors who publish with this journal agree to the following terms: Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
Авторы, публикующие в данном журнале, соглашаются со следующим: Авторы сохраняют за собой авторские права на работу и предоставляют журналу право первой публикации работы на условиях лицензии Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным сохранением ссылок на авторов оригинальной работы и оригинальную публикацию в этом журнале.Авторы сохраняют право заключать отдельные контрактные договоронности, касающиеся не-эксклюзивного распространения версии работы в опубликованном здесь виде (например, размещение ее в институтском хранилище, публикацию в книге), со ссылкой на ее оригинальную публикацию в этом журнале.Авторы имеют право размещать их работу в сети Интернет (например в институтском хранилище или персональном сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению и большему количеству ссылок на данную работу (См. The Effect of Open Access). Автори, які публікуються у цьому журналі, погоджуються з наступними умовами: Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access). |
|