УДОСКОНАЛЕНА МОДЕЛЬ КЛАСИФІКАЦІЇ БЛОКІВ БІНАРНИХ ДАНИХ ДЛЯ ЗАДАЧ КАРВІНГУ ФАЙЛІВ

Анотація

У роботі розглянуто проблему класифікації блоків бінарних даних як складового етапу процесу карвінгу файлів із високим рівнем фрагментації. Існуючі моделі та методи мають високий рівень помилок у залежності від багатьох факторів. До того ж при вирішенні реальних задач дані, що аналізуються, можуть відрізнятися від представлених у навчальних датасетах. Метою цього дослідження є підвищити ефективність моделей класифікації блоків бінарних даних і подолати проблеми виявлення фрагментів нецільових типів файлів. У ході дослідження проведено удосконалення існуючих моделей ідентифікації фрагментів файлів. Удосконалені моделі передбачають введення додаткового відгалудження (голови) класифікатора, що відповідає за побудову прототипів класів у дискретному просторі ознак. Таким чином під час навчання досягається регуляризація простору ознак для класифікатора фрагментів цільових і нецільових типів файлів. При цьому будуються межі (контейнери) класів, що забезпечують виявлення даних, що виходять за межі навчального розподілу.  У ході проведення експериментів із використанням пропонованих моделей вдалося отримати підвищення точності порівняно з базовими моделями від 1,9% до 3.1% в залежності від сценарії застосування. Загалом точність при ідентифікації фрагментів цільових типів файлів, розбитих на 5, 11 і 25 класів, становила від 88% до 98%, від 53% до 100% і від 72% до 100% відповідно. За результатами навчання було відмічено зростання відстані Хемінга між векторами-прототипами класів в бінарному просторі ознак у регуляризуючому відгалудженні класифікатора. Отримано такі макроусереднені значення валідаційної метрики якості класифікації F1 – 91,78%, 59,97% і 82,94% для сценаріїв із розбиттям простору на 5, 11 і 25 класів відповідно. Нижчі значення якості класифікації у сценарії із розбиттям файлів на 11 класів може бути наслідком наявності значного перетину класів у просторі ознак. Таким чином введення у запропонованих моделях регуляризуючого відгалудження моделі класифікатора дозволило отримати вищі точністні характеристик під час класифікації блоків бінарних даних, проте результати залежать від способу розбиття простору файлів на класи.