Yapay zeka tabanlı kriptografik algoritmaların tespiti
Artificial intelligence–based detection of cryptographic algorithms
- Tez No: 1002202
- Danışmanlar: DOÇ. DR. MURAT ŞİMŞEK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Science and Technology, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Ostim Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yazılım Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kriptografik rutinler, kötü amaçlı yazılımlarda statik analizi zorlaştırmak, zararlı davranışları gizlemek ve imza tabanlı tespit yaklaşımlarını aşmak amacıyla yaygın biçimde kullanılmaktadır. Bu çalışmada, yürütülebilir dosyalar içerisinde kriptografik fonksiyonların dosya düzeyinde değil, fonksiyon düzeyinde tespit edilmesine odaklanan statik ikili analiz tabanlı bir yöntem sunulmuştur. Önerilen yaklaşımda Radare2 kullanılarak fonksiyon sınırları çıkarılmış; her fonksiyon için işlem kodu/mnemonic dizileri ayrıştırılarak token temsillerine dönüştürülmüştür. Etiket gürültüsünü azaltmak amacıyla YARA kurallarıyla elde edilen eşleşmelerin offset bilgileri fonksiyon sınırlarıyla çakıştırılmış ve ilgili fonksiyonlar algoritma türlerine göre etiketlenmiştir. Böylece, dosya seviyesindeki yüzeysel etiketleme yerine kriptografik işlemi doğrudan gerçekleştiren fonksiyonların öğrenilmesi hedeflenmiştir. Önerilen yöntemin, fonksiyon bazlı raporlama üreterek tersine mühendislik sürecini hızlandıracağı ve güvenlik uzmanlarının analiz yükünü azaltacağı değerlendirilmektedir.
Özet (Çeviri)
Cryptographic routines are widely used in malware to hinder static analysis, conceal malicious behavior, and evade signature-based detection approaches. This study presents a static binary analysis–based method that focuses on detecting cryptographic functions within executables at the function level, rather than at the file level. In the proposed approach, function boundaries are extracted using Radare2; for each function, opcode/mnemonic sequences are parsed and converted into token representations. To reduce labeling noise commonly encountered in the literature, offset information obtained from YARA rule matches is aligned with function boundaries, and the corresponding functions are labeled according to algorithm types. Thus, the method aims to learn the functions that directly perform cryptographic operations instead of relying on coarse file-level labeling. Overall, the proposed method is expected to accelerate reverse engineering workflows by producing function-level reports and to reduce the analytical burden on security professionals.
Benzer Tezler
- Analysis of quantum artificial intelligence algorithms: Grover search and natural language processing with quantum communication
Kuantum yapay zeka algoritmalarının analizi: Grover araması ve doğal dil işleme ile kuantum haberleşmesi
HÜSEYİN EMRE ALTUN
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik MühendisliğiBahçeşehir ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞEREF KALEM
- Yan kanal saldırılarının derin öğrenme tabanlı analizi
Deep learning-based analysis of sidechannel attacks
SENA ASLIBAY
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. ÜNAL ÇAVUŞOĞLU
- İşbirlikçi mikroservisler ile gerçek zamanlı video görüntüleri üzerinde çok değişkenli filtreleme: akıllı trafik sistemleri uygulaması
Multivariable filtering on real-time video images with collaborative microservices: smart traffic systems application
SEDA KUL
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET SAYAR
- Son işlem algoritmalarının farklı tip veriler üzerindeki performans analizi
Random number generators, cryptology, encryption, linear congruential generator (LCG)
TAYFUN ÖREN
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. TURGAY KAYA
- A unified framework for secure and intelligent ECG signal processing via chaotic encryption, fully homomorphic computation and federated learning
Kaotik şifreleme, tam homomorfik hesaplama ve federatif öğrenme ile güvenli ve akıllı EKG sinyal işleme için birleşik bir çerçeve
BEYAZIT BESTAMİ YÜKSEL
Doktora
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYŞE YILMAZER METİN