Hibrit sınıflandırıcılar ile android işletim sistemi için zararlı yazılım tespiti
Malware detection using ensemble classifiers for android operating system
- Tez No: 514377
- Danışmanlar: PROF. DR. SUAT ÖZDEMİR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 99
Özet
Akıllı telefon, tablet, akıllı saat gibi mobil cihazların kullanımı her geçen gün artmaktadır. Bu popülerleşme, kötü amaçlı kişilerin de ilgisini çekmekte ve mobil zararlı yazılım sayısının da artmasına neden olmaktadır. Bu nedenle, mobil cihazların güvenliği ve kişisel bilgilerin zararlı yazılımlardan korunması büyük önem taşımaktadır. Bu çalışmada Android mobil işletim sistemi için hibrit sınıflandırıcılar yardımıyla zararlı yazılım tespit yöntemi geliştirilmiştir. Geliştirilen yöntem uzaklık tabanlı sınıflandırıcıları ve benzerlik ölçütlerini birlikte kullanan bir hibrit sınıflandırıcı ile bir uygulamanın zararlı olup olmadığını tespit edebilmektedir. Bunun yanında, zararlı yazılımların karakteristik özelliklerinin belirlenmesinde Ayrışma Skoru isimli bir öznitelik seçme yöntemi önerilmiş ve hem önerilen hibrit sınıflandırıcı hem de Ayrışma Skoru metriği bu alanda literatürde yaygın olarak kullanılan diğer yöntemlerle karşılaştırılmıştır. Buna göre hibrit sınıflandırıcı %96,38 sınıflandırma başarısı ve 0,963 F-ölçütü ile en başarılı sonuçları elde etmiştir. Bu sonuç önerilen Ayrışma Skoru yöntemi ile seçilmiş özniteliklerden oluşan veri setinden elde edilmiştir. Ortalama olarak ise hibrit sınıflandırıcı %95,46 başarı oranıyla diğer sınıflandırma algoritmalarından daha yüksek ortalama sınıflandırma başarısı elde etmiştir. Bütün sonuçlar çalışmanın sonunda detaylı olarak incelenmiş ve başarıyı artırabilmek için önerilerde bulunulmuştur.
Özet (Çeviri)
The use of mobile devices such as smartphones, tablets, smart clocks is increasing day by day. This popularity has also attracted the attention of malicious people and has led to an increase in the number of mobile malware. For this reason, it is very important for mobile devices to protect their security and personal information from harmful software. In this study, a malicious software detection method has been developed by using hybrid classifiers for Android mobile operating system. The developed method can detect whether an application is harmful with a hybrid classifier that uses distance-based classifiers and similarity measures. In addition, a feature selection method named Decomposition Score has been proposed to characterize the malware, and both proposed hybrid classifier and the Decomposition Score metric have been compared with other methods commonly used in the literature. Accordingly, the hybrid classifier achieved 96,38% classification success and the most successful results with 0,963 F-measure. This result is obtained from the data set consisting of the selected attributes by the proposed Decomposition Score method. On the average, the hybrid classifier achieved a higher average classification success rate than the other classification algorithms with a success rate of 95.46%. All the results have been examined in detail at the end of the study and suggestions have been made to increase the success.
Benzer Tezler
- Karınca koloni algoritması ile öznitelik seçimi
Feature selection with ant colony algorithm
UMUT AKCAN
Yüksek Lisans
Türkçe
2022
Endüstri ve Endüstri MühendisliğiBursa Uludağ ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. DUYGU YILMAZ EROĞLU
- A power line fault detection system design based on a hybrid bilstm network
Hibrit bilstm ağı esaslı bir güç hattı hata tespit sistemi tasarımı
MOHAMMED I.M. EISHORAFA
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiSakarya Uygulamalı Bilimler ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. İHSAN PEHLİVAN
- Elektrikli otobüslerde çizge tabanlı öznitelik seçimi ve makine öğrenmesi ile kestirimci bakım
Predictive maintanance with graph based feature selection & machine learning in electrical busses
AYŞE IRMAK ERÇEVİK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET MURAT ÖZBAYOĞLU
- Sosyal medya verileri üzerinde derin öğrenme tabanlı hibrit model kullanılarak salgın dönemi duygu analizi
Epidemic period emotion analysis using a deep learning based hybrid model on social media data
AYHAN AKKAYA
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHarran ÜniversitesiMühendislik Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NAGEHAN İLHAN
- Classification of abnormal respiratory sounds using deep learning techniques
Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması
AHAMADI ABDALLAH IDRISSE
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. OKTAY YILDIZ