Kötü amaçlı yazılımların transformer modellerle tespiti: Barkod tabanlı görüntüleme ve özellik füzyonu yaklaşımı

Kötü amaçlı yazılımlar, dijital sistemlere zarar verip yetkisiz erişim veya veri hırsızlığına yol açan tehditlerdir. Artan çeşitlilik ve karmaşıklık, klasik tespit yöntemlerini yetersiz bırakmaktadır. Bu çalışmada, zararlı yazılımların tespiti için barkod tabanlı görselleştirme, transformer modeller ile özellik çıkarımı ve makine öğrenmesi sınıflandırmasını birleştiren hibrit bir yaklaşım sunulmaktadır. Çalışmanın ilk aşamasında, 1D formatlı veriler QR ve Aztec barkod türlerine dönüştürülerek 2D veri kümeleri elde edilmiştir. Barkod görüntüleri DeiT3, MaxViT ve Swin Transformer modelleri kullanılarak işlenmiş ve her birinden özellik setleri çıkarılmıştır. Özellik füzyonu adımında, bu setler birleştirilerek zengin bir veri temsili sağlanmıştır. Son aşamada, oluşturulan özellik setleri k-en yakın komşu (kNN) ve destek vektör makinesi (SVM) algoritmaları ile sınıflandırılmıştır. Deneysel analizler, barkod temelli özellik füzyonunun zararlı yazılım tespitinde doğruluğu artırarak %98 başarıya ulaştığını ortaya koymaktadır. Bu çalışma, barkod tabanlı görselleştirme ve transformer temelli füzyonu birleştirerek özgün bir tespit yaklaşımı sunar.