Hibrit analiz kullanarak android kötücül yazılım aile sınıflandırması
Android malware family classification by using hybrid analysis
- Tez No: 694701
- Danışmanlar: DOÇ. DR. SEVİL ŞEN AKAGÜNDÜZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 111
Özet
Mobil ve kablosuz teknolojideki gelişmelerle birlikte mobil cihazlar hayatımızın önemli bir parçası haline gelmiştir. Android işletim sistemi, mobil cihaz kullanıcı kitlesi içerisinde en çok kullanılan işletim sistemi olurken, saldırganlar tarafından da en çok hedef alınan platformdur. Literatürde Android kötücül yazılımlarının tespiti için birçok yöntem önerilmiş olsa da tespit edilen kötücül Android uygulamaların zararlı yazılım aile sınıflandırması, özellikle bu ekosistemde her gün mobil kötücül yazılım varyantlarının sayısının arttığı durumlarda büyük önem kazanmaktadır. Bu çalışmada, Android kötücül aile sınıflandırma problemi için makine öğrenmesine ve hibrit analize dayalı bir yöntem önerilmiştir. Android kötücül yazılım uygulamaları için, hibrit yaklaşım kullanılarak; ağ trafik analizi, uygulamaların cihazda gerçekleştirdiği aktivitelerin ardışık ikili sırasını içeren bilgiler ile öznitelik vektör uzayı genişletilerek kötücül yazılım aile sınıflandırması yöntemi önerilmiştir. Statik ve dinamik analizler ile çıkarılan öznitelikler üzerinde çalışılmış ve yaygın olarak kullanılan Malgenome, Drebin ve UpDroid zararlı yazılım veri kümeleri üzerinde sonuçlar elde edilerek değerlendirilmiştir.
Özet (Çeviri)
With the developments in mobile and wireless technology, mobile devices have become an important part of our lives. While Android is the leading operating system in the market share, it is also the most targeted platform by attackers.While there have been many solutions proposed for detection of Android malware in the literature, the family classification of detected malicious applications becomes important, especially where the number of mobile malware variants increases everyday in the market. In this study, a solution based on machine learning and hybrid analysis is proposed for the Android malware familial classification problem. An extensive feature set including network-related features and activity bigrams is proposed. The effective static and dynamic analysis features are studied thoroughly and evaluated on Malgenome, Drebin and UpDroid datasets.
Benzer Tezler
- Hibrit analiz yöntemlerini kullanarak makine öğrenmesi yardımıyla android kötücül yazılımların tespit edilmesi
Detection of android malware with the help of machine learning using hybrid analysis methods
ABDURAHMAN AYDIN
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgi Güvenliği Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İBRAHİM ALPER DOĞRU
- Derin öğrenme temelli özgün bir android kötücül yazılım tespit modeli
A novel android malware detection model based on deep learning
BÜŞRA ZEYNEP KARA
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ABDULLAH TALHA KABAKUŞ
- Ulusal yazılım açıklık veri tabanı oluşturulması kapsamında android açıklıklarının modellenmesi ve analiz edilmesi
Establishment of national software vulnerability's database
KEREM GENCER
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FATİH BAŞÇİFTÇİ
- Androıd işletim sistemi için derin öğrenme tabanlı kötü amaçlı yazılım tespit aracı geliştirme
Development of deep learning based malware detection tool for android operating system
MAHMUT TOKMAK
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ECİR UĞUR KÜÇÜKSİLLE
- Hybrid intelligent android malware detection in auto-driving vehicles based on adaptive genetic algorithm: A software engineering perspective
Uyarlanabilir genetik algoritmaya dayalı sürücüsüz araçlarında hibrit akıllı android kötü amaçlı yazılım tespiti: Yazılım mühendisliği perspektifi
LAYTH SATTAM HAMMOOD HAMMOOD
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. İBRAHİM ALPER DOĞRU