You are currently viewing رسالة ماجستير حامد طالب / بعنوان: نظامٌ هجين للأمن السيبراني لاكتشاف البرمجيات الخبيثة باستخدام قواعد YARA الديناميكية ونماذج التعلّم العميق

رسالة ماجستير حامد طالب / بعنوان: نظامٌ هجين للأمن السيبراني لاكتشاف البرمجيات الخبيثة باستخدام قواعد YARA الديناميكية ونماذج التعلّم العميق

المستخلص

أصبح اكتشاف البرمجيات الخبيثة مهمةً أكثر صعوبة مع استمرار تزايد حجم البرمجيات الضارة وتطور تقنيات التهرب. إذ تستخدم البرمجيات الخبيثة الحديثة غالبًا أساليب التعتيم، وتعدد الأشكال، والتغير الديناميكي في السلوك بهدف تجاوز آليات الكشف المعتمدة على التواقيع والقواعد الاستدلالية، مما يجعل الحلول التقليدية أقل موثوقية، ولا سيما عند التعامل مع الإصدارات غير المعروفة مسبقًا من التهديدات. وعلى الرغم من قدرة معماريات التعلم العميق، مثل الشبكات العصبية الالتفافية (CNN) وشبكات الذاكرة طويلة قصيرة الأمد (LSTM)، على استخلاص الأنماط السلوكية المعقدة من التسلسلات الديناميكية لاستدعاءات واجهات برمجة التطبيقات (API)، فإن معظم الأساليب الحالية ما تزال تعاني من ضعف القدرة على التعميم، والاعتماد على مصدر واحد للميزات أو على مجموعة بيانات واحدة، فضلًا عن ضعف التكامل مع آليات الأمن المستخدمة في البيئات الواقعية. كما أن متطلبات النشر العملي، مثل قابلية التوسع، وقابلية التفسير، ودعم الكشف القائم على القواعد، لا تحظى غالبًا بالاهتمام الكافي.

تقترح هذه الدراسة نهجًا هجينًا لاكتشاف البرمجيات الخبيثة، جرى تنفيذه وتقييمه باستخدام نماذج CNN-LSTM، ومصادر معلومات التهديدات الخارجية، وآليات التوليد الديناميكي لقواعد YARA. وقد تم تقييم النظام باستخدام أربع مجموعات بيانات غير متجانسة تختلف من حيث المصدر، وتركيب الميزات، والحجم، والخصائص الزمنية. وأظهرت النتائج التجريبية تحقيق أعلى دقة على مجموعة البيانات الرابعة، إذ بلغ معدل دقة الاختبار لنموذج CNN-LSTM المعتمد على تسلسلات API فقط 0.9952، مع قيمة للمساحة تحت منحنى ROC بلغت 0.9994. بالإضافة إلى ذلك، حققت قواعد YARA الديناميكية دقة اختبار بلغت 0.9863 على مجموعة البيانات الثالثة، مما يؤكد ملاءمتها لدعم النشر العملي لأنظمة الكشف القائمة على القواعد. وبشكل عام، تشير النتائج إلى أن التكامل بين التحليل السلوكي العميق، وإثراء البيانات بمعلومات التهديدات الخارجية، والتوليد الديناميكي لقواعد YARA، يسهم في تعزيز متانة اكتشاف البرمجيات الخبيثة، مع دعم إمكانية نشر أنظمة عملية وفعالة للكشف عنها.