شبكة الكشف عن البرامجيات الخبيثة بالاعتماد على الشبكات الالتفافية العميقة ResNet-50 ونماذج المحول Transformers

الملخص

يمثل كشف البرمجيات الخبيثة تحديًا رئيسًا في مجال الأمن السيبراني نتيجة التطور المستمر في تقنيات الإخفاء والتعقيد المتزايد للهجمات. وقد أثبتت أنظمة الكشف التقليدية محدوديتها أمام هذه التهديدات، مما يبرز الحاجة إلى حلول ذكية ومرنة تعتمد على تقنيات التعلم العميق. وعلى الرغم من نجاح الشبكات العصبية الالتفافية (CNNs) في استخراج السمات المحلية والهيكلية، إلا أنها تعاني من قصور في تمثيل العلاقات البعيدة بين السمات، مما يحد من فعاليتها في التمييز بين العائلات المتشابهة من البرمجيات الخبيثة. لمعالجة هذه القيود، يقترح هذا البحث أنموذجًا هجينًا جديدًا باسم Res-Former يجمع بين قوة ResNet-50 في استخراج السمات المحلية وصلابة الأداء، وبين قدرة نماذج المحولات (Transformers) على تمثيل الاعتماديات البعيدة عبر آلية الانتباه الذاتي، بهدف تحقيق كشف أكثر دقة ومرونة للبرمجيات الخبيثة وتعزيز استقرار القرارات باستعمال تقنيات التعلم التجميعي