Geri Dön

A comparison of classification algorithms for mobile malware detection: Market metadata as input source

Kötü amaçlı mobil yazılımların tespiti için kullanılan sınıflandırma algoritmalarının kıyaslanması: Girdi kaynağı olarak market meta verisi

PDF İndir

  1. Tez No: 409141
  2. Yazar: NURAY BALTACI
  3. Danışmanlar: PROF. DR. NAZİFE BAYKAL, YRD. DOÇ. DR. CENGİZ ACARTÜRK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2014
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Enformatik Enstitüsü
  11. Ana Bilim Dalı: Bilişim Sistemleri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 93

Özet

Kullanıcı merkezli güvenlik politikası ve resmi uygulama marketi için açık uygulama geliştirme stratejisi nedeniyle Android işletim sistemi destekli cihazlar başta olmak üzere, mobil cihazların yaygınlaşması kötü amaçlı yazılım geliştiricilerin dikkatini çekmektedir. Bu çalışmada, Android cihazlardaki kötü amaçlı mobil uygulamaların tespiti için otomatik, özellik-tabanlı bir statik analiz yöntemi uygulanmıştır. Çalışmanın esas amacı, uygulama tarafından talep edilen izinlerin yanı sıra diğer market bilgilerinin zararlı yazılımların tespitine olan katkısını araştırmaktır. Dolayısıyla, uygulamalar kullanıcılar tarafından resmi marketten indirilirken uygulamalarla ilgili sunulan bilgiler özellik kümesi olarak güdümlü sınıflandırma algoritmalarının eğitilmesinde kullanılmak kullanılmıştır. Bu özellik kümesi, uygulamanın kurulması anında kullanıcıdan talep edilen izinleri ve uygulama kategorisi, indirilme sayısı kategorisi, geliştirici adı vb. gibi uygulamayla ilgili diğer meta verileri kapsamaktadır. Ek olarak, çeşitli sınıflandırma algoritmaları tahminlerinin doğruluğu açısından kıyaslanmış ve özellikle seçme algoritmalarının sınıflandırma görevinin iyileştirilmesi üzerine etkisi araştırılmıştır. Sınıflandırma algoritmaları olarak Naive Bayes, k- nearest neighbor, J48 ve random forest seçilmiştir. Birer filtre-tabanlı algoritma olan Chi-Square, Information Gain ve ReliefF özellik seçme yöntemlerinden ise bahsi geçen sınıflandırma algoritmalarının eğitilmesinde kullanılan niteliklerin sayısını azaltmak üzere faydalanılmıştır.

Özet (Çeviri)

The prevalence of mobile devices has been catching the attention of malware authors especially for Android OS supported devices due to its user-centric security policy and open application development strategy for its official application market. In this study, an automated feature-based static analysis method was applied to detect malicious mobile applications on Android devices. The main purpose of the study is to investigate the contribution of other application market metadata to the detection of malicious applications in addition to requested permissions. Hence, the information of applications presented on the official market when a user wants to download them was used as the feature set for training supervised classification algorithms. This feature set includes permissions requested from the user at the installation time, and other metadata about an application including but not limited to application category, download number category, and developer name. Additionally, different classification algorithms were compared in terms of their predictive accuracy and the effect of feature selection algorithms on the improvement of classification task was investigated. Naïve Bayes, k-nearest neighbor, J48 and random forest were chosen as classification algorithms. As filter-based algorithms, Chi-Square, Information Gain and ReliefF feature selection methods were utilized to reduce the number of attributes used to train those classification algorithms.

Benzer Tezler

  1. Tez No

    522194

    Malware detection for the android platform using machine learning techniques

    Android platformu için makine öğrenmesi teknikleri kullanarak kötücül yazılım tespiti

    GÖKÇER PEYNİRCİ

    Doktora

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYaşar Üniversitesi

    Mühendislik Bilimleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ KORHAN KARABULUT

    DR. ÖĞR. ÜYESİ METE EMİNAĞAOĞLU

  2. Tez No

    739719

    Android cihazlarda makine öğrenmesi algoritmaları kullanılarak kötücül yazılım tespiti

    Malware detection using machine learning algorithms on android devices

    DURMUŞ ÖZKAN ŞAHİN

    Doktora

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOndokuz Mayıs Üniversitesi

    Hesaplamalı Bilimler Ana Bilim Dalı

    PROF. DR. ERDAL KILIÇ

  3. Tez No

    389371

    Türkçe metinlerde duygu analizi

    Sentiment analysis in Turkish texts

    CUMALİ TÜRKMENOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. AHMET CÜNEYD TANTUĞ

  4. Tez No

    778020

    Otonom uçan robot için nesne sınıflandırma yaklaşımıyla bilinmeyen kapalı alan içinde gerçek zamanlı ortam haritalandırması ve yol planlaması

    Real-time mapping and path planning in an unknown indoor environment by object classification approach for autonomous flying robots

    ÖNDER ALPARSLAN

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMilli Savunma Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER ÇETİN

  5. Tez No

    734366

    Finansal teknoloji alanında kullanıcı deneyimlerinin makine öğrenmesi yöntemleri ile incelenmesi

    Examining user experiences in the field of financial technology with machine learning methods

    GİZEM ZENGİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    İstatistikYıldız Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. ERSOY ÖZ

Geri Dön