Geri Dön

Kötü amaçlı yazılımların transformer modelleriyle tespiti: 1B verilerin 2B barkod türlerine dönüştürülmesi

Detecting malware using transformer models: converting 1B data into 2B barcode formats

PDF İndir

  1. Tez No: 1017426
  2. Yazar: ZEYNEP NAZ İNAN
  3. Danışmanlar: DOÇ. DR. MESUT TOĞAÇAR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgi ve Belge Yönetimi, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Information and Records Management, Computer Engineering and Computer Science and Control, Science and Technology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Fırat Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: Teknoloji ve Bilgi Yönetimi Ana Bilim Dalı
  12. Bilim Dalı: Teknoloji ve Bilgi Yönetimi Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Dijital teknolojilerin gelişmesi ve internet tabanlı sistemlerin yaygınlaşmasıyla birlikte kötü amaçlı yazılımlar siber güvenlik açısından önemli tehditlerden biri hâline gelmiştir. Geleneksel imza tabanlı yöntemler, özellikle yeni nesil ve karmaşık yapıya sahip zararlı yazılımların tespitinde yeterli performans gösterememektedir. Bu nedenle son yıllarda yapay zekâ ve derin öğrenme tabanlı yaklaşımların kötü amaçlı yazılım analizinde daha yaygın şekilde kullanılmaya başlandığı görülmektedir. Bu tez çalışmasında, kötü amaçlı yazılımların tespitine yönelik olarak bir boyutlu veri yapılarının iki boyutlu barkod türlerine dönüştürülmesine dayalı bir yaklaşım önerilmiştir. Çalışma kapsamında SOMLAP veri seti kullanılmış ve veri setinde yer alan zararlı yazılım verileri QR kod ve Aztec barkod yapılarına dönüştürülerek görsel veri temsilleri elde edilmiştir. Oluşturulan bu görüntüler üzerinden DeiT3, MaxViT ve Swin Transformer modelleri kullanılarak özellik çıkarımı gerçekleştirilmiştir. Elde edilen özellikler daha sonra K-En Yakın Komşu (KNN) ve Destek Vektör Makineleri (SVM) sınıflandırıcıları ile analiz edilmiştir. Gerçekleştirilen deneysel çalışmalar sonucunda, barkod tabanlı görsel temsillerin kötü amaçlı yazılımların ayırt edilmesinde etkili sonuçlar sunduğu belirlenmiştir. Özellikle transformer tabanlı modellerin çok ölçekli örüntüleri öğrenebilme yeteneği sayesinde başarılı sınıflandırma performansları elde edilmiştir. Modellerin performans değerlendirmeleri doğruluk, hassasiyet, duyarlılık ve F1-skoru gibi ölçütler kullanılarak gerçekleştirilmiştir. Elde edilen bulgular doğrultusunda, bir boyutlu verilerin iki boyutlu barkod temsillerine dönüştürülmesi ve transformer tabanlı modeller ile birlikte değerlendirilmesinin kötü amaçlı yazılım tespitinde etkili bir yaklaşım sunduğu görülmüştür. Ayrıca çalışmanın, barkod tabanlı görselleştirme yöntemlerinin siber güvenlik alanında kullanımına yönelik literatüre katkı sağlayacağı değerlendirilmektedir.

Özet (Çeviri)

With the advancement of digital technologies and the widespread adoption of internet-based systems, malware has become one of the major threats to cybersecurity. Traditional signature-based methods are unable to perform adequately, particularly in detecting new-generation and complex malware. For this reason, in recent years, approaches based on artificial intelligence and deep learning have begun to be used more widely in malware analysis. In this thesis study, an approach based on converting one-dimensional data structures into two-dimensional barcode types is proposed for the detection of malware. The SOMLAP dataset was used in this study, and the malware data within the dataset were converted into QR code and Aztec barcode structures to obtain visual data representations. Feature extraction was performed using the DeiT3, MaxViT, and Swin Transformer models on these generated images. The extracted features were then analyzed using K-Nearest Neighbors (KNN) and Support Vector Machines (SVM) classifiers. The results of the experimental studies conducted indicate that barcode-based visual representations are effective in distinguishing malware. In particular, successful classification performance was achieved thanks to the ability of transformer-based models to learn multi-scale patterns. The models' performance was evaluated using metrics such as accuracy, precision, recall, and F1-score. Based on the findings, it was observed that converting one-dimensional data into two-dimensional barcode representations and evaluating them in conjunction with transformer-based models offers an effective approach for malware detection. Additionally, it is anticipated that this study will contribute to the literature regarding the application of barcode-based visualization methods in the field of cybersecurity.

Benzer Tezler

  1. Tez No

    1004914

    A hybrid deep learning framework for advanced detection of domain generation algorithms

    Kötücül alan adı üretme algoritmalarının hibrit derin öğrenme modeli ile gelişmiş tespiti

    SİNAN DÜZTAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2026

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Siber Güvenlik Ana Bilim Dalı

    DOÇ. DR. CİHANGİR TEZCAN

  2. Tez No

    703307

    Malware detection using transformers-based model GPT-2

    Transformatör tabanlı model GPT-2 kullanarak zararlı yazılım tespiti

    NAZENİN ŞAHİN

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Siber Güvenlik Ana Bilim Dalı

    DOÇ. DR. CENGİZ ACARTÜRK

  3. Tez No

    718678

    An ensemble of pre-trained transformer models for imbalanced multiclass malware classification

    Dengesı̇z sınıf dağılımına sahı̇p çok sınıflı kötücül yazılımların sınıflandırılmasında önceden eğı̇tı̇lmı̇ş dönüştürücü modellerı̇nı̇n topluluğu

    FERHAT DEMİRKIRAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKadir Has Üniversitesi

    Yönetim Bilimleri Ana Bilim Dalı

    PROF. DR. HASAN DAĞ

  4. Tez No

    863655

    USB tabanlı sosyal mühendislik saldırılarının kullanıcı çalışması ile analizi ve değerlendirilmesi

    Analysis and evalution of USB-based social engineering attacks using user study

    KEMAL KARAÇUHA

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    PROF. DR. KEMAL BIÇAKCI

  5. Tez No

    924146

    Nesnelerin interneti ağlarında derin öğrenme tabanlı yeni bir saldırı tespit sistemi

    A novel deep learning-based intrusion detection system for internet of things networks

    KEMAL AKKANAT

    Doktora

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya Üniversitesi

    Hesaplamalı Bilimler Ana Bilim Dalı

    PROF. DR. MUHARREM TOLGA SAKALLI

Geri Dön