ДОСЛІДЖЕННЯ МЕХАНІЗМІВ ПІДВИЩЕННЯ ЕФЕКТИВНОСТІ ЗАХИСТУ КОМП`ЮТЕРНОЇ МЕРЕЖІ ВІД ПОЛІМОРФНИХ КОМП`ЮТЕРНИХ ВІРУСІВ

Анотація

Мета роботи – провести комплексний аналіз механізму підвищення ефективності захисту комп’ютерної мережі від поліморфних комп’ютерних вірусів, визначити переваги та недоліки компонентів, що входять до цього механізму, та запропонувати адаптивні підходи для протидії сучасним загрозам. Основна увага приділяється розробці інноваційних методів, які здатні ефективно протистояти поліморфним вірусам, що мають здатність змінювати свій код для уникнення виявлення традиційними антивірусними системами. Методологія дослідження полягає в розробці механізму аналізу поліморфних загроз, який ґрунтується на виявленні шаблонів змінності та статистичному аналізі поведінкових характеристик програм. Для підвищення ефективності захисту запропоновано використання методів поведінкового аналізу та алгоритмів машинного навчання, зокрема нейронних мереж, що дозволяють динамічно моделювати та виявляти аномальну активність в комп’ютерній мережі. Цей підхід дозволяє розпізнавати невідомі зразки шкідливих програм, враховуючи їх поліморфну природу, що є ключовим для протидії сучасним кіберзагрозам. Наукова новизна дослідження полягає в інтеграції адаптивних підходів, таких як поведінковий аналіз та машинне навчання, для ефективного розпізнавання невідомих зразків поліморфних вірусів. Це дозволяє враховувати їх здатність до зміни коду та уникнення виявлення традиційними антивірусними програмами. Запропонований механізм ґрунтується на використанні нейронних мереж для динамічного моделювання поведінки програм, що дозволяє швидко реагувати на нові загрози та адаптуватися до змін у коді вірусів. Це значно підвищує точність виявлення та знижує ризик помилкових спрацьовувань. Висновки дослідження підтверджують ефективність запропонованого механізму в протидії поліморфним вірусам завдяки динамічному підходу до виявлення аномальної активності. Реалізація таких методів дозволяє значно підвищити рівень захисту комп’ютерних мереж, зробивши їх більш стійкими до стрімкої еволюції сучасних кіберзагроз. Отримані результати свідчать про те, що використання машинного навчання та нейронних мереж є перспективним напрямом для розвитку систем кібербезпеки. Такі системи можуть ефективно протистояти невідомим загрозам, що особливо актуально у сучасних умовах, коли кількість і складність кібератак постійно зростають. У подальшому планується оптимізація запропонованого механізму для його інтеграції в реальні системи захисту комп’ютерних мереж, що дозволить забезпечити високий рівень безпеки та мінімізувати втрати від кібератак.