Klasifikace malwaru na základě samoorganizačních map

Abstract

Tato práce se zabývá klasifikací malware pomocí samoorganizačních map. Detekce pomocí umělé inteligence je jedním ze způsobů, jak efektivně bojovat proti šíření malware a schopnost samoorganizačních map uspořádat data do klastrů mohou pomoci při klasifikaci. V práci je shrnut teoretický základ a dosavadní vývoj samoorganizačních map. Posléze je na veřejně dostupném datasetu natrénována zkušební mapa s parametry vybranými pro tento typ dat. V poslední části jsou naměřené výsledky porovnány s ostatními metodami strojového učení.This paper examines malware classification using self-organizing maps. Detection using artificial intelligence is one way to effectively combat the spread of malware, and the ability of self-organizing maps to organize data into clusters can aid in classification. This paper summarizes the theoretical basis and the development of self-organization maps so far. Afterward, a test map is trained on a publicly available dataset with parameters selected for this type of data. In the last section, the measured results are compared with other machine learning methods.