تطبيق التعلم العميق المعزز للكشف عن البرمجيات الخبيثة

تشكل البرمجيات الخبيثة تهديدًا كبيرًا لأنظمة الكمبيوتر والشبكات، مما يستدعي الحاجة إلى أساليب كشف متقدمة لحماية ضد الهجمات الإلكترونية المحتملة. تبحث هذه الورقة في تطبيق التعلم العميق المعزز (DRL) للكشف عن البرمجيات الخبيثة، مستفيدة من قدرته على تعلم الأنماط والسلوكيات المعقدة من البيانات الخام. تستخدم الدراسة إطار عمل DRL لتدريب وكيل على تحديد البرمجيات الضارة بناءً على ميزات ديناميكية مستخرجة من الملفات التنفيذية. يتم إجراء تقييم شامل باستخدام مجموعة بيانات متنوعة، تشمل أنواعًا مختلفة من عينات البرمجيات الخبيثة. تظهر النتائج التجريبية فعالية النهج القائم على DRL المقترح في الكشف الدقيق عن البرمجيات الخبيثة، حيث تحقق أداءً تنافسيًا مقارنةً بالطرق التقليدية والتقنيات المتقدمة. بالإضافة إلى ذلك، تناقش الورقة قابلية تفسير النموذج وقابليته للتوسع، بالإضافة إلى التحديات المحتملة والاتجاهات البحثية المستقبلية في تطبيق DRL على الأمن السيبراني.