Malware detection in IoTs using deep sparse auto encoders with signal processing techniques
Başlık çevirisi mevcut değil.
- Tez No: 713038
- Danışmanlar: DR. ÖĞR. ÜYESİ AHAD ARDABILI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 57
Özet
Bu çalışmada, IoT'lerde kötü amaçlı yazılım tespiti için yeni bir yaklaşım, derin öğrenme tekniğine dayalı olarak sunulmuştur. Önerilen yöntemi değerlendirmek için çeşitli senaryolar sunulmuştur. Bu çalışmanın amacı, derin öğrenme tekniği otomatik kodlayıcıların sinyal işleme tekniği ile en iyi kombinasyonunu seçmektir. İlk senaryoda, kötü amaçlı yazılım saldırılarını tespit etmek için yalnızca bir otomatik kodlayıcı tabanlı SoftMax sunuldu ve yalnızca %82 doğruluk sundu. Ardından, SoftMax tabanlı derin iki seyrek otomatik kodlayıcı sunuldu ve yalnızca %89 doğruluk sundu. Ayrıca, IoT'lerde kötü amaçlı yazılım saldırılarını tespit etmek için WT tabanlı derin seyrek otomatik kodlayıcılar tabanlı SoftMax uygulandı ve %97 doğruluk sundu. Ardından, kötü amaçlı yazılım saldırılarını tespit etmek için ESD tabanlı derin seyrek otomatik kodlayıcılar tabanlı SoftMax uygulandı ve önceki çalışmalarla karşılaştırıldığında yüksek olan %99'luk olağanüstü doğruluk sağladı.
Özet (Çeviri)
In this study, new approach for malware detection In IoTs presented based deep learning technique. Several scenarios presented for evaluate the proposed method. The aim of this study is to select best combination of deep learning technique autoencoders with signal processing technique. In first scenario only one autoencoder based SoftMax presented to detect malware attacks and presented only 82% accuracy. Then, deep two sparse autoencoders presented based SoftMax and presented only 89% accuracy. Furthermore, WT based deep sparse autoencoders based SoftMax applied to detect malware attacks in IoTs and presented 97% accuracy. Then, ESD based deep sparse autoencoders based SoftMax applied to detect malware attack and presented remarkable accuracy 99% accuracy which is high when compared with previous studies.
Benzer Tezler
- 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
- Android sistemlerde derin öğrenme tabanlı kötü amaçlı yazılım tespit sistemi
Deep learning based malware detection system on android systems
ESRA ÇALIK BAYAZIT
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BUKET DOĞAN
PROF. DR. ÖZGÜR KORAY ŞAHİNGÖZ
- 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
- Taşınabilir sistemlerde çok amaçlı kötücül kod tespiti
Multi purpose malware detection in mobile systems
MEHMET ÖZDEMİR
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Yüksek Teknoloji EnstitüsüBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM SOĞUKPINAR
- 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