Алгоритми динамічного аналізу поведінки шкідливого програмного забезпечення

Abstract

Проаналізовано сучасні підходи до виявлення та класифікації шкідливого ПЗ, проведено огляд типів загроз і принципів їх дії. Розроблено алгоритмічну модель на основі методу Бройдена–Флетчера–Голдфарба–Шанно та реалізовано програмний модуль у середовищі Visual Studio 2022 мовою C#. Проведено експериментальні дослідження з використанням реального набору даних із ресурсу Kaggle, що підтвердили точність моделі на рівні 87,69 % та високу ефективність її застосування у реальному середовищі. Розроблена система дозволяє автоматизувати процеси виявлення шкідливого ПЗ, забезпечуючи швидкий аналіз поведінкових характеристик програм і зниження ризиків кібератак. Результати роботи можуть бути використані у системах моніторингу безпеки, антивірусних рішеннях і навчальних комплексах з кіберзахисту.

Modern approaches to detecting and classifying malicious software were analyzed, a review of threat types and principles of their action was conducted. An algorithmic model was developed based on the Broyden–Fletcher–Goldfarb–Shannot method and a software module was implemented in the Visual Studio 2022 environment in C#. Experimental studies were conducted using a real dataset from the Kaggle resource, which confirmed the accuracy of the model at 87.69% and the high efficiency of its application in a real environment. The developed system allows to automate the processes of detecting malicious software, providing quick analysis of behavioral characteristics of programs and reducing the risks of cyberattacks. The results of the work can be used in security monitoring systems, antivirus solutions and training complexes on cyber defense.