به گزارش مجله خبری نگار، یکی از تهدیدهای امنیتی مهم در سیستمهای رایانشی بدافزارها هستند. اخیرا نوعی از سیستمهای هوش مصنوعی به نام یادگیری ماشینی به طور گسترده برای ردیابی بدافزارها به کار گرفته شده است. هرچند این سیستم کارآمد است، اما این روش نیازمند انبوهی از نمونه نرم افزارهای بد و خوب برای آموزش و مدلسازی یک ردیاب بدافزار کارآمد است. علاوه بر آن چنین محدودیتهایی قابلیت ردیابی بدافزارهای جدید را کاهش میدهد، زیرا نمونههای بد افزاری لازم برای آموزش کافی را در اختیار ندارد.
در همین راستا گروهی از محققان با همکاری هومن همایون پژوهشگر و پروفسور دانشکده مهندسی الکتریک و رایانه دانشگاه کالیفرنیا دیویس، یک تکنیک تولید داده آگاه از کد (code-aware data generation technique) ابداع کرده اند که چند نمونه جهش یافته از بدافزارهای محدودی که در دستگاهها مشاهده شده، تولید میکند.
با این روش میتوان خسارات را به کمترین میزان رساند، زیرا تضمین میشود نمونههای تولید شده با میزان شباهت زیاد از بدافزارهای محدود رصد شده، تقلید میکنند و تولید نمونههای غیرعملیاتی و ناکارآمد را کاهش میدهند. نمونه بدافزارهایی که با این روش توسعه مییابند در مجموعه آموزشی گنجانده میشوند تا مدلی طرح ریزی شود که قادر به شناسایی بدافزارهای نوظهور به طور کارآمد باشد.
نتایج آزمایشها نشان میدهد روش مذکور با دقت ۹۰ درصد بدافزارهایی که به ندرت رصد شده اند را ردیابی میکند. چنین رقمی حدود ۳ بار بیشتر از دقت روشهای پیشرفته است.