Ф.И.О.
Березов Максим Юрьевич
Ученая степень
—
Ученое звание
—
Почетное звание
—
Организация, должность
• Кубанский государственный технологический университет
Научные интересы
Информационная безопасность, машинное обучение
Адрес веб-сайта
—
Электропочта
Текущий рейтинг (суммарный рейтинг статей)
0
TOP5 соавторов
Статей в журнале: 2 шт
Сформировать список работ, опубликованных в Научном журнале КубГАУ
-
Краткое описание
Настоящая статья посвящена исследованию фундаментальных свойств и компонент иммунной системы, таких как, В-лимфоциты, T-лимфоциты, иммунологическая память системы, первичный и вторичный иммунный ответ, иммунологическое обучение детекторов, которые составляют базис разработанной методики обнаружения полиморфных вирусов. Ключевую роль в полученной методике играют объекты-детекторы, которые сочетают в себе свойства B- и T- лимфоцитов, участвующих в реакциях врожденного и адаптивного иммунного ответа. Полиморфизм компьютерных вирусов заключается в формировании кода вредоносной программы прямо во время ее исполнения, причем функция, отвечающая за формирования кода, не является статической. Таким образом, не удается однозначно создать сигнатуру, соответствующую данному полиморфному вирусу. В статье выделены и описаны основные функции искусственных иммунных систем, предложены идеи их реализации, а также программного, системного взаимодействия. Построена таблица, отражающая соответствие между компонентами искусственной иммунной системы и иммунной системой позвоночных. У иммунных систем выявлены такие важные особенности, реализация которых будет эффективна при решении задач обнаружения зловредного программного кода. Для более продуктивного обучения системы рассматривается класс генетических операторов, таких как, кроссинговер, мутация, селекция, описывается их абстрактная реализация. Каждый оператор реализован в нескольких вариантах, рассматривается совокупность подходов для их имплементации в виде конкретной системы. Построена система взаимодействия генетических и иммунологических алгоритмов
-
Краткое описание
Настоящая статья посвящена исследованию параметров разработанной искусственной иммунной системы для решения задачи обнаружения полиморфных вирусов. Целью является определение такого вектора параметров иммунной системы, который бы обеспечивал минимальное количество ошибок первого рода на репрезентативной выборке данных, минимальное количество ошибок второго рода и максимальный процент обнаружения полиморфных вирусов, то есть правильной классификации их как вредоносного кода, по отношению к любому теоретически возможному вектору параметров искусственной иммунной системы. Отличительной чертой исследуемой искусственной иммунной системы является применение класса генетических алгоритмов, которые обеспечивают более эффективное обучение детекторов. Среди настраиваемых параметров работы системы выделены: алгоритм определения меры близости детектора и патогена, который может быть реализован путем определения расстояния по Левенштейну, либо методом смежных бит; а также метод реализации оператора кроссинговера, метод реализации оператора мутации, метод реализации оператора селекции, алгоритм определения меры близости строк детекторов. Кроме этого, в статье рассматривается целесообразность использования распределенной сети из нескольких узлов, на каждом из которых будет функционировать иммунная система, обменивающаяся данными с другими узлами сети. В результате исследований был получен набор оптимальных параметров, при которых система достигает максимальной точности распознавания полиморфных вирусов
pdf 173.800kb
doc 173.800kb