
В статье исследуется проблема обнаружения файлов вредоносного кода интерпретируемого языка программирования Python. Обоснована актуальность создания системы обнаружения вредоносного кода в трафике сети и предложено программное решение по обнаружению вредоносных файлов, передаваемых в сетевом трафике. Представлена модель интеллектуальной системы обнаружения вредоносного кода в трафике сети, использующую подход «обработки естественного языка» для анализа текста файлов исходного кода Python. Показана схема работы разработанной системы, проведено сравнение готовой системы с аналогами, проверена эффективность используемой языковой модели машинного обучения, выполняющей классификацию кода.
| selected citations These citations are derived from selected sources. This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | 0 | |
| popularity This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network. | Average | |
| influence This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | Average | |
| impulse This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network. | Average |
