Malware-Erkennung und -Analyse basierend auf KI-Algorithmus

Im Kontext der schnellen Entwicklung der Computertechnologie hat Malware allmählich breite Aufmerksamkeit erlangt und wird weit verbreitet eingesetzt. Der Forschungsschwerpunkt dieses Artikels liegt darauf, zu untersuchen, wie künstliche Intelligenz-Algorithmen zur Analyse der Datenerfassung im maschinellen Lernen verwendet werden können und entsprechende Simulationsaufgaben zu erfüllen. Zunächst stellt dieser Artikel mehrere derzeit gebräuchliche Mainstream-Methoden und -Modelle vor und diskutiert deren jeweilige Vor- und Nachteile; danach fasst dieser Artikel anhand konkreter Fälle die bestehenden Methoden und Prozesse des maschinellen Lernens weiter zusammen und schlägt Verbesserungsansätze vor; abschließend werden durch den Vergleich verschiedener Merkmalsschwellen Erkennungsregeln gewonnen und basierend auf den erhaltenen Parametern Erkennungsergebnisse berechnet, um Schlussfolgerungen zu ziehen. Die Testergebnisse zeigen, dass die Klassifikationsgenauigkeit des Malware-Erkennungsmodells zwischen 73 % und 94,3 % liegt; die Genauigkeit der Erkennung zwischen 83,37 % und 94,6 %; die Rückrufrate zwischen 74,86 % und 89,47 %. Diese Ergebnisse verdeutlichen, dass die Leistung des optimierten Malware-Erkennungsmodells den Benutzeranforderungen entspricht und die Wirkung deutlich ist.