Методи аналізу та класифікації шкідливого програмного забезпечення із застосуванням штучного інтелекту
No Thumbnail Available
Date
2026-06-15
Journal Title
Journal ISSN
Volume Title
Publisher
Київський національний економічний університет імені Вадима Гетьмана
Abstract
Роботу присвячено підвищенню точності та швидкості виявлення нових кіберзагроз за допомогою машинного навчання. Об’єктом дослідження є процес класифікації шкідливого програмного забезпечення. Для виділення ознак із PE-файлів застосовано алгоритм TF-IDF та ентропію Шеннона, а для балансування класів — алгоритм SMOTE. Розроблено програмний класифікатор мовою Python на базі ансамблевого алгоритму Random Forest. Тестування на 4200 файлах підтвердило його ефективність: показник F1-Score склав 95,79%, а відсоток хибних спрацьовувань упав до 1,2%. Модель придатна для використання як експрес-фільтр у корпоративних EDR-системах.
The work aims to increase the accuracy and speed of detecting new cyber threats using machine learning. The object of study is the process of classifying malware. To extract features from PE files, the TF-IDF algorithm and Shannon entropy were applied, and the SMOTE algorithm was used for class balancing. A software classifier in Python was developed based on the Random Forest ensemble algorithm. Testing on a sample of 4200 files confirmed its high effectiveness: the F1-Score reached 95.79%, while the false positive rate dropped to 1.2%. The developed model is suitable for integration as an express filter in modern corporate EDR systems.
Description
Keywords
кібербезпека, шкідливе програмне забезпечення, машинне навчання, випадковий ліс, класифікація, екстракція ознак, cybersecurity, malware, machine learning, random forest, classification, feature extraction
Citation
кібербезпека, шкідливе програмне забезпечення, машинне навчання, випадковий ліс, класифікація, екстракція ознак, cybersecurity, malware, machine learning, random forest, classification, feature extraction