Uso de máquinas de aprendizado extremo com operadores morfológicos na detecção preventiva de ameaças installcore

Abstract

A sofisticação crescente das ameaças cibernéticas, como o malware InstallCore, é uma preocupação crescente para a segurança de sistemas e dados. O InstallCore, um tipo de adware, infiltra-se em dispositivos, exibindo anúncios intrusivos e comprometendo a privacidade do usuário. Este trabalho propõe um método inovador de detecção de malware baseado em redes neurais artificiais, visando superar as limitações dos antivírus tradicionais. Utilizando aprendizado profundo e kernels de processamento morfológico, desenvolvemos um sistema capaz de identificar com alta acurácia o malware InstallCore e suas variantes. Os resultados mostram que o antimalware proposto alcança uma acurácia média de 99,35% na detecção do InstallCore, com um tempo de treinamento de 1,93 segundos. Comparado com soluções comerciais, nosso modelo apresenta elevada taxa de detecção, menor tempo de treinamento e adaptação a novas ameaças, explorando características intrínsecas dos arquivos executáveis para maior robustez e eficiência. O modelo proposto oferece uma alternativa eficaz às soluções tradicionais, contribuindo para a proteção de sistemas e dados contra ameaças cada vez mais sofisticadas.