Perangkat lunak antivirus: Perbedaan antara revisi

* Pendeteksian dengan melihat cara bagaimana virus bekerja: Cara kerja antivirus seperti ini merupakan pendekatan yang baru yang dipinjam dari teknologi yang diterapkan dalam [[Intrusion Detection System|Intrusion Detection System (IDS)]]. Cara ini sering disebut juga sebagai '''''Behavior-blocking detection'''''. Cara ini menggunakan ''policy'' (kebijakan) yang harus diterapkan untuk mendeteksi keberadaan sebuah virus. Jika ada kelakuan perangkat lunak yang "tidak wajar" menurut ''policy'' yang diterapkan, seperti halnya perangkat lunak yang mencoba untuk mengakses ''address book'' untuk mengirimkan [[Surat elektronik|surel]] (''email'') secara massal terhadap daftar surel yang berada di dalam ''address book'' tersebut (cara ini sering digunakan oleh virus untuk menularkan virus melalui surel), maka antivirus akan menghentikan proses yang dilakukan oleh perangkat lunak tersebut. Antivirus juga dapat mengisolasi kode-kode yang dicurigai sebagai virus hingga administrator menentukan apa yang akan dilakukan selanjutnya. Keuntungan dari cara ini adalah antivirus dapat mendeteksi adanya virus-virus baru yang belum dikenali oleh [[basis data]] ''virus signature''. Kekurangannya, jelas karena antivirus memantau cara kerja perangkat lunak secara keseluruhan (bukan memantau berkas), maka sering kali antivirus membuat alarm palsu atau "''false alarm''" (jika konfigurasi antivirus terlalu "keras"), atau bahkan mengizinkan virus untuk berkembangbiak di dalam sistem (jika konfigurasi antivirus terlalu "lunak"), terjadi ''[[false positive]]''. Beberapa produsen menyebut teknik ini sebagai pemindaian heuristik. Teknologi pemindaian heuristik ini telah berkembang begitu jauh hingga sekarang. Beberapa antivirus mengecek sebuah berkas dengan definisi biasa. Jika lolos dari deteksi biasa, maka berkas tersebut dijalankan di sebuah lingkungan virtual. Semua perubahan yang dilakukan berkas bersifat seperti virus, maka pengguna akan diperingatkan.

Salah satu dari sedikit hasil teoritis yang solid dalam studi [[virus komputer]] adalah demonstrasi [[Frederick B.Cohen]] tahun 1987 bahwa tidak ada algoritma yang dapat dengan sempurna mendeteksi semua kemungkinan virus. Namun, dengan menggunakan lapisan pertahanan yang berbeda, tingkat deteksi yang baik dapat dicapai.

* '''Teknik [[Data mining|penggalian data]]''': salah satu pendekatan terbaru yang diterapkan dalam deteksi perangkat perusak. '''[[Data mining|Penggalian data]]''' dan algoritma [[pemelajaran mesin]] digunakan untuk mencoba mengklasifikasikan perilaku file (sebagai berbahaya atau jinak) dengan serangkaian fitur file, yang diekstraksi dari file itu sendiri.<ref>Kiem, Hoang; Thuy, Nguyen Yhanh and Quang, Truong Minh Nhat (December 2004) "A Machine Learning Approach to Anti-virus System", ''Joint Workshop of Vietnamese Society of AI, SIGKBS-JSAI, ICS-IPSJ and IEICE-SIGAI on Active Mining ; Session 3: Artificial Intelligence'', Vol. 67, pp. 61–65</ref><ref>{{cite book|year=2008|url=https://books.google.com/books?id=lZto6RraGOwC&pg=PR15|title=Data Mining Methods for Malware Detection|isbn=978-0-549-88885-7|pages=15–|archive-url=https://web.archive.org/web/20170320111622/https://books.google.com/books?id=lZto6RraGOwC&pg=PR15|archive-date=March 20, 2017|url-status=live}}</ref><ref>{{cite book|author1=Dua, Sumeet|author2=Du, Xian|date=April 19, 2016|url=https://books.google.com/books?id=1-FY-U30lUYC&pg=PP1|title=Data Mining and Machine Learning in Cybersecurity|publisher=CRC Press|isbn=978-1-4398-3943-0|pages=1–|archive-url=https://web.archive.org/web/20170320093100/https://books.google.com/books?id=1-FY-U30lUYC&pg=PP1|archive-date=March 20, 2017|url-status=live}}</ref><ref>{{cite book|last1=Firdausi|first1=Ivan|last2=Lim|first2=Charles|last3=Erwin|first3=Alva|last4=Nugroho|first4=Anto Satriyo|year=2010|title=2010 Second International Conference on Advances in Computing, Control, and Telecommunication Technologies|isbn=978-1-4244-8746-2|page=201|chapter=Analysis of Machine learning Techniques Used in Behavior-Based Malware Detection|doi=10.1109/ACT.2010.33|s2cid=18522498}}</ref><ref>{{cite book|last1=Siddiqui|first1=Muazzam|last2=Wang|first2=Morgan C.|last3=Lee|first3=Joohan|year=2008|title=Proceedings of the 46th Annual Southeast Regional Conference on XX – ACM-SE 46|isbn=9781605581057|page=509|chapter=A survey of data mining techniques for malware detection using file features|doi=10.1145/1593105.1593239|s2cid=729418}}</ref><ref>{{cite book|last1=Deng|first1=P.S.|last2=Jau-Hwang Wang|last3=Wen-Gong Shieh|last4=Chih-Pin Yen|last5=Cheng-Tan Tung|year=2003|title=IEEE 37th Annual 2003 International Carnahan Conference on ''Security'' Technology, 2003. Proceedings|isbn=978-0-7803-7882-7|page=600|chapter=Intelligent automatic malicious code signatures extraction|doi=10.1109/CCST.2003.1297626|s2cid=56533298}}</ref><ref>{{cite book|last1=Komashinskiy|first1=Dmitriy|last2=Kotenko|first2=Igor|year=2010|title=2010 18th Euromicro Conference on Parallel, Distributed and Network-based Processing|isbn=978-1-4244-5672-7|page=617|chapter=Malware Detection by Data Mining Techniques Based on Positionally Dependent Features|doi=10.1109/PDP.2010.30|s2cid=314909}}</ref><ref>{{cite book|last1=Schultz|first1=M.G.|last2=Eskin|first2=E.|last3=Zadok|first3=F.|last4=Stolfo|first4=S.J.|year=2001|title=Proceedings 2001 IEEE Symposium on Security and Privacy. S&P 2001|isbn=978-0-7695-1046-0|page=38|chapter=Data mining methods for detection of new malicious executables|citeseerx=10.1.1.408.5676|doi=10.1109/SECPRI.2001.924286|s2cid=21791}}</ref><ref>{{cite book|last1=Ye|first1=Yanfang|last2=Wang|first2=Dingding|last3=Li|first3=Tao|last4=Ye|first4=Dongyi|year=2007|title=Proceedings of the 13th ACM SIGKDD international conference on Knowledge discovery and data mining – KDD '07|isbn=9781595936097|page=1043|chapter=IMDS|doi=10.1145/1281192.1281308|s2cid=8142630}}</ref><ref>{{cite journal|last1=Kolter|first1=J. Zico|last2=Maloof|first2=Marcus A.|date=December 1, 2006|title=Learning to Detect and Classify Malicious Executables in the Wild|url=http://dl.acm.org/citation.cfm?id=1248547.1248646|journal=J. Mach. Learn. Res.|volume=7|pages=2721–2744}}</ref><ref>{{cite book|last1=Tabish|first1=S. Momina|last2=Shafiq|first2=M. Zubair|last3=Farooq|first3=Muddassar|year=2009|title=Proceedings of the ACM SIGKDD Workshop on Cyber ''Security'' and Intelligence Informatics – CSI-KDD '09|isbn=9781605586694|page=23|chapter=Malware detection using statistical analysis of byte-level file content|citeseerx=10.1.1.466.5074|doi=10.1145/1599272.1599278|s2cid=10661197}}</ref><ref>{{cite journal|last1=Ye|first1=Yanfang|last2=Wang|first2=Dingding|last3=Li|first3=Tao|last4=Ye|first4=Dongyi|last5=Jiang|first5=Qingshan|year=2008|title=An intelligent PE-malware detection system based on association mining|journal=Journal in Computer Virology|volume=4|issue=4|page=323|doi=10.1007/s11416-008-0082-4|citeseerx=10.1.1.172.4316|s2cid=207288887| issn=1772-9890}}</ref><ref>{{cite book|last1=Sami|first1=Ashkan|last2=Yadegari|first2=Babak|last3=Peiravian|first3=Naser|last4=Hashemi|first4=Sattar|last5=Hamze|first5=Ali|year=2010|title=Proceedings of the 2010 ACM Symposium on Applied Computing – SAC '10|isbn=9781605586397|page=1020|chapter=Malware detection based on mining API calls|doi=10.1145/1774088.1774303|s2cid=9330550}}</ref><ref>{{cite journal|last1=Shabtai|first1=Asaf|last2=Kanonov|first2=Uri|last3=Elovici|first3=Yuval|last4=Glezer|first4=Chanan|last5=Weiss|first5=Yael|year=2011|title="Andromaly": A behavioral malware detection framework for android devices|journal=Journal of Intelligent Information Systems|volume=38|page=161|doi=10.1007/s10844-010-0148-x|s2cid=6993130}}</ref>