نظام ذكاء اصطناعي متقدم للكشف عن البرمجيات الخبيثة (Predictive Malware Detection)

قمت بتطوير خط إنتاج متكامل لتحليل واكتشاف البرمجيات الخبيثة في أنظمة ويندوز باستخدام تقنيات تعلم الآلة الحديثة. المشروع يعتمد على تحليل بيانات ضخمة تتجاوز 8 جيجابايت بهدف التنبؤ باحتمالية إصابة الأجهزة بناء على الخصائص التقنية والبرمجية.

المهام التقنية التي قمت بتنفيذها

1 معالجة البيانات الضخمة حيث تم التعامل مع قاعدة بيانات ضخمة الحجم بكفاءة عالية مع تطبيق استراتيجيات متقدمة لتنظيف البيانات ومعالجة القيم المفقودة.

2 هندسة الميزات عبر تحويل البيانات النصية والفئوية إلى صيغ برمجية مفهومة للنماذج باستخدام تقنيات الترميز والتحجيم القياسي.

3 بناء وتدريب النماذج من خلال المقارنة بين عدة خوارزميات قوية تشمل اكس جي بوست ولايت جي بي ام وكات بوست للوصول إلى أعلى دقة ممكنة.

4 تحسين الأداء باستخدام إطار العمل اوبتونا لإجراء عملية ضبط تلقائي للبارامترات مما ساهم في رفع كفاءة النموذج وتقليل نسبة الخطأ.

5 التتبع والتوثيق عبر دمج منصة ويتس اند باياسيز لمراقبة أداء النموذج وتتبع التجارب بشكل لحظي لضمان الوصول لأفضل النتائج.

النتائج المحققة

بناء نموذج تصنيف قادر على التمييز بدقة عالية بين الأجهزة المصابة والسليمة.

تطوير كود برمجي منظم وقابل للتطوير وجاهز للدمج في بيئات العمل الحقيقية.

تحقيق توازن ممتاز بين سرعة المعالجة ودقة التنبؤ بفضل استخدام تقنيات التدرج المعزز.

الأدوات والتقنيات المستخدمة

لغة بايثون ومكتبات ب pandas و numpy و scikit learn

خوارزميات XGBoost و LightGBM و CatBoost

أداة Optuna للضبط التلقائي

منصة Weights and Biases لتتبع التجارب