Aı-driven code obfuscation: Enhancing software security using machine learning
Yapay zekâ tabanlı kod gizleme: Makine öğrenmesi ile yazılım güvenliğinin artırılması
- Tez No: 1025578
- Danışmanlar: Dr. TUĞÇE BALLI
- Tez Türü: Yüksek Lisans
- Konular: Yönetim Bilişim Sistemleri, Management Information Systems
- Anahtar Kelimeler: Kod gizleme yöntemleri, Yapay zeka ve makine öğrenmesi dersi, Code obfuscation methods, Artificial intelligence and machine learning course
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Kadir Has Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kod gizleme, yazılım güvenliğinde işlevselliğini korurken kodu anlaşılması ve tersine mühendisliği zorlaştıran kritik bir tekniktir. Bu araştırma, değişken yeniden adlandırma, gereksiz (ölü) kod ekleme, kontrol akışı düzleştirme ve diğer yöntemleri kullanan geleneksel kural tabanlı kod gizleme araçları ile JavaScript kodunu gizlemek için LLM'ler, sinir ağları ve dönüştürücüler (transformer'lar) gibi makine öğrenmesi araçlarını karşılaştırmalı ve deneysel bir biçimde incelemektedir. Araştırmanın temel soruları, makine öğrenmesi modellerinin işlevsel olarak doğru JavaScript gizleme kodu üretme yeteneğiyle ilgilidir. Kullanılan metodoloji, geleneksel kural tabanlı bir aracı kıyas ölçütü (benchmark) olarak almakta ve Mistral, CodeT5, DeepseekCoder ile özel olarak tasarlanmış Seq2Seq tekrarlayan sinir ağı gibi çeşitli modelleri değerlendirmektedir. Çalışma, bu modellerin tutarlı biçimde işlevsel olarak doğru gizlenmiş kod üretmede başarısız olduklarını ortaya koymakta ve kod gizleme görevlerinde çeşitli makine öğrenmesi modellerinin sınırlılıklarını ele almaktadır.
Özet (Çeviri)
Code obfuscation is a crucial technique in software security, making code harder to understand and reverse engineer while maintaining its functionality. This research conducts a comparative and experimental study of traditional rule-based code obfuscation tools that use variable renaming, dead code injection, control flow flattening and other techniques, and machine learning tools such as LLMs, neural networks and transformers to obfuscate JavaScript code. The central research questions are related to the ability of machine learning models to generate functionally correct JavaScript obfuscation. The employed methodology uses a traditional rule-based tool as a benchmark and evaluates several models, including Mistral, CodeT5, DeepseekCoder and a custom Seq2Seq recurrent neural network. The study reveals that these models fail to consistently produce functionally correct obfuscated code and addresses the limitations of several machine learning models in code obfuscation tasks.
Benzer Tezler
- Securing AI-generated code: A prompt engineering approach to mitigate vulnerabilities in LLM outputs
YZ ile üretilmiş kodların güvenliğinin sağlanması: BDM çıktılarındaki açıkları yönetmek için bir istem mühendisliği yaklaşımı
WARDAH SALEEM
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtılım ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SELMA NAZLIOĞLU
- Nesnelerin yapay zekası (AIoT) tabanlı enerji sistemleri için bir az-kodlu geliştirme platformu
A low-code development platform for artificial intelligence of things (AIoT) enabled energy systems
MEHMET EMİN ÇAĞLAYAN
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiUluslararası Bilgisayar Ana Bilim Dalı (disiplinlerarası)
PROF. DR. GEYLANİ KARDAŞ
- Human-machine collaboration in landscape architecture:Multi-stage integration of ai into landscape site analysisworkflow
Peyzaj mimarlığında insan-makine işbirliği: Yapay zekanınçevre analizi sürecine çok katmanlı entegrasyonu
BUSE EZGİ ER
Yüksek Lisans
İngilizce
2026
Peyzaj Mimarlığıİstanbul Teknik ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
DOÇ. DR. MELİH BOZKURT
- Savunma sanayiinde büyük veri analitiğinin kullanıldığı yapay zeka tabanlı nesne tanıma sistemlerinin hukuken değerlendirilmesi
Legal evaluation of ai-based object recognition systems utilizing big data analytics in the defense industry
ELİFE FİLİZ GÖKDAŞ
Yüksek Lisans
Türkçe
2025
Savunma ve Savunma TeknolojileriAnkara Sosyal Bilimler ÜniversitesiÖzel Hukuk Ana Bilim Dalı
DOÇ. DR. MERVE AYŞEGÜL KULULAR İBRAHİM
- Doğal dil ile SQL ve görselleştirme koduna dönüşümde büyük dil modellerinin karşılaştırmalı analizi
Comparative analysis of large language models for natural language to SQL and visualization code generation
BAYKAL MEHMET UÇAR
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiHesaplamalı Bilim ve Mühendislik Ana Bilim Dalı (disiplinlerarası)
DOÇ. DR. SEFER BADAY