Identifying malware families using pattern matching technique
Kalıp eşleştirme tekniğini kullanarak kötü amaçlı yazılım ailelerini tanımlama
- Tez No: 654752
- Danışmanlar: DOÇ. CİHAN VAROL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 58
Özet
Bilişim teknolojisinin son on yılda gelişimi, kullanıcıları için özellikle kötü amaçlı yazılım şeklinde tehditler yarattı. Bunun nedeni, siber güvenlik tehditlerinin çoğunun artık kötü amaçlı yazılım uygulamaları olmasıdır. Ayrıca, her gün yeni kötü amaçlı yazılımlar kullanıma sunulmaktadır. Ancak, kötü amaçlı yazılımların çoğu sıfırdan oluşturulmaz. Bu nedenle, bu araştırma tezi kötü amaçlı yazılım ailelerini tanımlamak için dizeleri eşleştirme yöntemlerini tartışmaktadır. Naïve, Rabin – Karp, Brute Force, Knuth – Morris – Pratt ve Boyer – Moore eşleştirme algoritmaları kullanılarak kötü amaçlı yazılımların benzerliği araştırılıp karşılaştırılmıştır. Bu araştırmada, seçilen algoritmaların kötü amaçlı yazılım uygulamaları arasındaki zincir benzerliklerinin tespitinde etkili olduğu kanıtlanmıştır.
Özet (Çeviri)
The evolution of computing technology over the past decade has created threats for its users, especially in the form of malware. This is because most cybersecurity threats are now malware applications. In addition, new malware is being introduced every day. However, most malware is not created from scratch. As such, this research thesis discusses methods of matching strings to identify families of malware. Application programming interface calls were researched and compared using the following five pattern matching algorithms: Naïve, Rabin–Karp, Brute Force, Knuth–Morris–Pratt, and Boyer–Moore. In this research, the chosen algorithms proved effective in detecting chain similarities between malware applications
Benzer Tezler
- Hybrid malware detection and classification in real-time by deep learning techniques
Derin öğrenme teknikleriyle hibrit zararlı yazılım tespiti ve gerçek zamanlı sınıflandırma
HUSSEIN SADRALDEEN HUSSEIN AL-MUSAWI
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ADNAN SAHER MOHAMMED AL-AJEELI
- A new frame work based application for malware detection in IoT
Başlık çevirisi yok
MAHMOOD ALAA SADEQ ALHADEETHI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN HÜSEYİN BALIK
- Detect malware url using naive bayes algorithm
Naive bayes algoritmasını kullanarak kötü amaçlı yazılım url'sini algılama
FATİMAH YASEEN HASHİM AL-ZUBAİDİ
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN
- Behavior based malware classification using online machine learning
Başlık çevirisi yok
ABDURRAHMAN PEKTAŞ
Doktora
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolUniversité de GrenobleProf. Dr. JEAN-CLAUDE FERNANDEZ
Dr. TANKUT ACARMAN
- IoT security by detection of the network intrusion traffic using DL
DL kullanılarak ağ izinsiz trafiğinin tespiti ile IoT güvenliği
NADİA QUTAİBA MOHAMEDSAEED ALSABBAGH
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN HÜSEYİN BALIK