تسجيل الدخول
Skip Navigation Links.
Expand عن الكليةعن الكلية
Expand الأقسامالأقسام
طاقم العمل
Expand روابط هامةروابط هامة
Expand الإعلامالإعلام
الوظائف الشاغرة

مناقشة اطروحة ماجستير علوم الحاسب

Microsoft Teams 19 مايو 202110ص

​عقد في كلية الحوسبة والمعلوماتية جلسة لمناقشة أطروحة الماجستير للطالب علي سيف -الزعابي، بعنوان "تقييم تركيبات الميزات المختلفة للكشف عن البرامج الضارة في تطبيقات اندرويد الذكية وتصنيفها باستخدام التعلم الآلي"، تحت إشراف الدكتور دجيجيغا موهيب، أستاذ مساعد بقسم علوم الحاسب الآلي وبمشاركة من المحكمين الأستاذ الدكتور ماجد مرابطي، والدكتور فرخوند إقبال، والدكتور إبراهيم أباكر هاشم بعد جهودهم المشكورين عليها بمراجعة المادة المقيمة لمناقشتها مع الطالب.

وقد تناول البحث مسألة البرامج الضارة في الهواتف الذكية التي تعمل بنظام Android المستخدم على نطاق واسع في جميع أنحاء العالم. ومع ذلك، فإن أجهزة Android عرضة للهجمات الإلكترونية من التطبيقات الضارة مما يؤثر على خصوصية أي معلومات شخصية أو مالية. وعلى الرغم من أن الحلول لمواجهة التطبيقات الخبيثة قد اقترحت في السابق إلا أن مطوري البرمجيات الخبيثة تحاول باستمرار للتوصل إلى طرق لتجاوز الأمن وإلحاق الضرر لمستخدمي الجهاز.

في هذا السياق، اهتمت الاطروحة بتقييم واساليب للكشف عن البرمجيات الخبيثة باستخدام التعلم الآلي وتقنيات التعلم العميق. على وجه الخصوص، تقترح الأطروحة إطارا يستخدم التحليلات الديناميكية والساكنة لتحديد البرامج الضارة.

و بدلا من تحليل التطبيق الذكي بشكل ثابت وديناميكي في وقت واحد، يتم تحليل التطبيق أولا في طبقة ثابتة، مما يعني أنه إذا تم اكتشاف أي برامج ضارة فلن تكون هناك حاجة لتحليل التطبيق ديناميكيا. وفي حال كان  المتوقع  أن التطبيق غير ضار، فيصار الى تحليله باستخدام طبقة ديناميكية حيث يقدم الإطار المقترح نسبة كبيرة في تحسين الأداء دون الحاجة لتحليل التطبيق  ديناميكيا بشكل مستمر، والتي يمكن أن تستغرق وقتا طويلا.  

Master 1.jpg

وعلاوة على ذلك، فإن البحث يصنف تطبيقات البرمجيات الخبيثة المكتشفة في فئات  كل منها ( آد وير ، برامج التجسس،  طروادة،  الخ)، بعد أن تم  تحليلها على أنها من البرمجيات الخبيثة من قبل أي من الطبقات  المذكورة ليقوم بتصنيف تطبيقات البرامج الضارة و مساعدة خبراء الأمان في تحليل البرامج الضارة في اليوم الصفري.

تظهر نتائج البحث أن تحليل تطبيق Android بشكل ثابت وتدريب مصنف eXtreme Gradient Boosting (XGBoost) على الميزات الثابتة يمكن أن يصل إلى دقة 94٪ في غضون ثوان. بالإضافة إلى ذلك ، فإن تحليل التطبيق ديناميكيا وتدريب مصنف خطي على هذه الميزات يحقق دقة 88٪ أيضا في بضع ثوان. وأخيرا، لتصنيف البرمجيات الخبيثة، شبكة عصبية عميقة بسيطة من 4 طبقات تحقيقق دقة 83٪.

واختتم العرض البحثي بتلخيص فوائد الإطار المقترح باستخدام التعلم الآلي وتقنيات الذكاء الاصطناعي للكشف عن البرامج الضارة فضلا عن الاتجاهات المستقبلية المحتملة. كما أكد البحث على أهمية تطوير حلول مبتكرة لخلق بيئة آمنة لأصحاب الهواتف الذكية التي تعمل بنظام Android حيث أن حصة سوق الهواتف الذكية التي تعمل بنظام Android تزيد عن 70٪ على مستوى العالم.





عودة إلى القائمة