Detect malware url using naive bayes algorithm
Naive bayes algoritmasını kullanarak kötü amaçlı yazılım url'sini algılama
- Tez No: 672126
- Danışmanlar: PROF. DR. OSMAN NURİ UÇAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 69
Özet
Hacking ve sahte sayfalar, İnternet'teki sorunların ve şüpheli faaliyetlerin temelidir, Bu nedenle, bu sayfaların dezavantajları, kullanıcının erişmesini engelleyen artan koruma talebinin nedenidir, çalışmamız, şüpheli bağlantıların tespit edilme olasılığını açıklamaktadır. Adreslerinin URL tabanlı özellikleri, sorunumuzun makine öğrenme algoritmaları ile tutarlı olduğunu gösteriyoruz, aynı zamanda sürekli gelişen kötü amaçlı URL dağıtımının modern özelliklerine de uyuyor, ayrıca bu tahmine dayalı adresler için bir model geliştirdik ve kategorilere ayırdık. Naive Bayes algoritması kullanarak güvenli veya güvensiz URL'yi de bu çalışmayı araştırmacıların diğer çalışmalarıyla karşılaştırıyoruz.
Özet (Çeviri)
Hacking and fake pages are the basis of problems and suspicious activities on the Internet, Therefore, the disadvantages of those pages are the reason for the increased request for safeguard which prevents the user from accessing, our study explains the possibility of identifying suspicious links from the URL-based features of its addresses, we demonstrate that our problem is consistent with machine learning algorithms, it also fits to the modern features of the continuously evolving distribution of malicious URLs, we have also developed the model for those predictive addresses and categorized it into safe or unsafe URL by using naive Bayes algorithm we also compare this work with the researchers' other studies.
Benzer Tezler
- Sözcüksel analiz kullanarak kötü niyetli URL'leri derin öğrenme teknikleri ile tespit etme
Detecting malicious URL's using lexical analysis with deep learning techniques
CEMİLE SARICAOĞLU
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET DEMİRCİ
- Ağ trafiğinde etkili olan özniteliklerin tespiti ve yapay sinir ağları ile trafiklerin izin tahmini
Detection of features that are effective in network traffic and permission estimation of traffic with artifical neural network
MUHAMMED ÖZDEMİR
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜSEYİN ESKİ
- 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
- Android zararlı yazılım tespit sistemi
Android malware detection system
TÜLAY AVAN
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ESRA NERGİS YOLAÇAN
- Hybrid method based deep belief networks for malware detection in iots
Iot'de kötü yazılım tespiti için hibrit yöntem tabanlı derin inanç ağları
RANYA IHSAN ALI ALLBAN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
YRD. DOÇ. DR. OĞUZ KARAN