一种基于神经进化计算方法的流行病模型，用于检测勒索软件，该模型采用Morlet小波神经网络并结合元启发式优化算法进行实现

《Scientific Reports》：Neuro-evolutionary computing approach for an epidemic model of ransomware detection using morlet wavelet neural network with meta-heuristic optimization

　　

摘要

本文提出了一种算法范式，用于处理以非线性微分方程组形式表示的恶意软件模型。神经网络采用Morlet小波来估计恶意软件的行为状态变量。为了最大化网络性能，我们使用了一种启发式优化算法来调整网络参数，以实现快速收敛和准确的结果。学习阶段的设计基于一个适应度标准，该标准基于控制方程的残差和初始条件。我们讨论了两种不同的情况来测试所提出方法的有效性。在这两种情况下，均方误差（MSE）介于\(\:{10}^{-09}\)和\(\:{10}^{-07}\)之间，这表明了该方案的准确性。此外，Theil不等式系数（TIC）的值介于\(\:{10}^{-06}\)和\(\:{10}^{-04}\)之间，显示出很强的预测能力。通过多次运行的比较，验证了优化过程的稳定性。我们的结果与参考解完全一致，这表明我们的框架是传统数值求解器在处理恶意软件动态系统时的有效且实用的替代方案。