مرور روش‌های شناسایی بدافزارها با استفاده از الگوریتم‌های فراابتکاری و یادگیری ماشین

تکامل نرم‌افزارهای مخرب اخیر با افزایش استفاده از خدمات دیجیتال، احتمال خراب کردن داده‌ها، سرقت اطلاعات یا سایر جرائم سایبری توسط حملات بدافزار را افزایش داده است؛ بنابراین، نرم‌افزارهای مخرب باید قبل از اینکه بر تعداد زیادی از رایانه‌ها تاثیر بگذارند، شناسایی شوند. اخیراً بسیاری از راه‌حل‌های تشخیص بدافزار توسط محققان ارائه شده است. با این حال، بسیاری از چالش‌ها این راه‌حل‌ها را محدود به شناسایی موثر چندین نوع بدافزار، به‌ویژه حملات به دلیل روش‌های مبهم‌سازی و همچنین تنوع رفتارهای مخرب ناشی از نرخ سریع بدافزارهای جدید و انواع بدافزارهایی است که هر روز تولید می‌شوند. چندین پژوهش مروری، مسائل و چالش‌های شناسایی بدافزار را از دیدگاه‌های مختلف بررسی کرده‌اند. با این حال، یک پژوهش مروری عمیق وجود ندارد که هر رویکرد تحلیل و تشخیص را با الگوریتم‌های مورد استفاده مرتبط کند. چنین ارتباطی برای جامعه پژوهشی ضروری است؛ زیرا به تعیین رویکردهای مورد استفاده کمک می‌کند. علاوه بر این، مقالات بررسی فعلی در دسته‌بندی رویکرد تشخیص عمومی متوقف شده است. علاوه بر این، برخی از مقالات مروری روش‌های استخراج ویژگی را به‌صورت ایستا، پویا و ترکیبی بر اساس رویکرد تحلیل استفاده شده ارائه کرده‌اند و از دسته‌بندی روش‌های مورد استفاده غفلت کرده‌اند. این مقاله با ارائه یک بررسی جامع از پژوهش‌های مدل‌های شناسایی بدافزار، شکاف‌های تحقیقاتی را پوشش می‌دهد. روش‌های موردمطالعه از الگوریتم‌های فراابتکاری، یادگیری ماشین، یادگیری عمیق و منطق فازی استفاده کرده‌اند.