تحسين كشف برامج الفدية الخبيثة عبر بنية الشبكة العصبية الالتفافية أحادية البعد

الملخص

أصبحت برامج الفدية من أكثر أنواع الهجمات الإلكترونية شيوعًا وتدميرًا، فهي لا تقتصر على تشفير المعلومات المهمة فحسب، بل تعرقل أيضًا العمليات التجارية في العديد من المؤسسات حول العالم. لم تكن أنظمة الكشف التقليدية، القائمة على التوقيعات أو القواعد، فعّالة في مواكبة الطبيعة المتطورة والمراوغة لبرامج الفدية الحديثة. ولذلك، تقترح هذه الدراسة شبكة عصبية تلافيفية أحادية البعد (1D-CNN) مُحسّنة خصيصًا للكشف عن برامج الفدية على الشبكة باستخدام تحليل حركة البيانات. يعمل النموذج المقترح على خصائص تدفق الحزم في الشبكة بشكل متسلسل، ويتعلم خصائص سلوكية مميزة تُحدد ضمنيًا الفرق بين حركة بيانات برامج الفدية وحركة البيانات غير الضارة. يتكون الهيكل من سلسلة من الكتل التلافيفية التي تُنفذ عملية التصنيف الهرمي، ثم طبقات متصلة بالكامل تُنفذ عملية التصنيف الثنائي. حقق النموذج، الذي تم تقييمه على بيانات برامج الفدية المعيارية، دقة كشف إجمالية بلغت 98.1%، مع معدل دقة واستدعاء يزيد عن 96%، ومساحة تحت المنحنى (AUC) تبلغ 0.984. أثبت نموذج الشبكة العصبية التلافيفية أحادية البعد (1D-CNN) كفاءته العالية واستهلاكه المنخفض للوقت الحسابي مقارنةً بالأساليب الهجينة والتكرارية الحالية، مما يجعله مناسبًا للاستخدام في الحواسيب التي تكشف الاختراقات في تطبيقات الشبكات واسعة النطاق في الوقت الفعلي. وتؤكد هذه النتائج صحة فكرة أن البنى التلافيفية أحادية البعد توفر حلاً بسيطًا وفعالًا للغاية للكشف المبكر عن برامج الفدية، ما يمثل مسارًا واعدًا نحو تطوير أنظمة الأمن السيبراني المدعومة بالذكاء الاصطناعي في العقود القادمة.