Automatic malware detection using data mining techniques based on power spectral density (PSD)
Güç spektral yoğunluğuna (PSD) dayalı veri madenciliği teknikleri kullanarak otomatik kötü amaçlı yazılım tespiti
- Tez No: 610960
- Danışmanlar: DR. SEFER KURNAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Kötü amaçlı yazılım, Veri madenciliği, Güç spektral yoğunluğu, bilgisayar güvenliği, Malware, Data mining, Power spectral density, computer security
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 59
Özet
Kötü amaçlı bir yazılım, orijinal bir yazılımın görünümünün altındaki sürecine titizlikle ulaşan bir yazılımdır. Klasik yöntemler, bu yazılımın, imzaları sunulmayan yeni ve gizli örneklere küçük riskler gösterdiğini göstermek için imzalar uygulamaktadır. Kötü amaçlı yazılım incelemesinin vurgusu, imza tasarımları uygulamasından, bu kötü amaçlı yazılımların gösterdiği kötü niyetli davranışı sınıflandırmaya kadar kararsızdır. Kötü amaçlı yazılımları mekanik olarak etkili bir şekilde fark etmek için sayısız veri madenciliği yöntemi önerildi. Bu tezde, çeşitli veri madenciliği yöntemlerini uygulayarak kötü amaçlı yazılım veri kümesinin özelliklerini ve PSD'nin gizli verimini çıkarmak için Güç Spektral Yoğunluğu (PSD) uygulanmıştır: Destek Vektör Makinesi (SVM), Radyal Temel Ağ (RBF) ve çok katmanlı perceptron ( MLP). Bu teknikler, bu alandaki yaygın araştırmalarla karşılaştırıldığında kayda değer sonuçlar vermiştir.
Özet (Çeviri)
A malware is a software that furtively achieves its process below the appearance of genuine software. classic methods apply signatures to distinguish these software's denote tiny risk to new and hidden examples whose signatures are not offered. The emphasis of malware investigation is unstable from applying signature designs to classifying the malicious conduct showed by this malware. Numerous data mining methods proposed to notice malware mechanically in the effectual face. In this thesis, Power Spectral Density (PSD) applied to extract the features of malware dataset and the yield of PSD confidential applying several of data mining methods: Support Vector Machine (SVM), Radial Basis Network (RBF) and multi-layer perceptron (MLP). These techniques presented remarkable results when compared with common researches in this field.
Benzer Tezler
- Convolutional neural network based android malware detection andlocalization
Evrişimli sinir ağları tabanlı android zararlı yazılım tespiti velokalizasyonu
REFİK CAN ÖZTAŞ
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SEVİL ŞEN AKAGÜNDÜZ
- Zararlı yazılımların kullandığı sanallaştırma karşıtı yöntemler ve alınabilecek önlemler
Anti-virtualization technique used by malware and measures that can be taken
OSMAN TUFAN TEKİN
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ AYDIN SELÇUK
- Karma öznitelik kullanarak yazılım davranışlarının modellenmesi ve tespiti
Software behavior modeling and detection by using hybrid features
MERT NAR
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM SOĞUKPINAR
- 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
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya ÜniversitesiHesaplamalı Bilimler Ana Bilim Dalı
PROF. DR. MUHARREM TOLGA SAKALLI
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. KEMAL BIÇAKCI