Ajuste del valor k en k-vecinos más cercanos para la detección de malware

El software malicioso, también referido como malware, representa una amenaza seria para las redes informáticas, la privacidad del usuario y los sistemas de los usuarios. Una ciberseguridad efectiva depende de la correcta detección y clasificación del malware. Con el fin de mejorar su efectividad, el método de K-Vecinos Más Cercanos (KNN) se aplica sistemáticamente en este estudio a la tarea de detección de malware. El estudio investiga el efecto del parámetro número de vecinos (K) en el rendimiento del KNN. Se utilizarán conjuntos de datos de malware MalMem-2022 y criterios de evaluación relevantes como precisión, exactitud, recuperación y F1-score para evaluar la eficacia de la técnica propuesta. Los experimentos evalúan cómo la optimización de parámetros afecta la precisión de la detección de malware al comparar el rendimiento de varias configuraciones de parámetros. Los hallazgos del estudio muestran que el ajuste cuidadoso de parámetros aumenta considerablemente la capacidad del método KNN para detectar malware. La investigación también resalta el potencial de KNN con ajuste de parámetros como una herramienta útil para la detección de malware en circunstancias del mundo real, permitiendo una identificación rápida y precisa del malware.