Kötü amaçlı yazılımların derin öğrenme yöntemi ile tespit edilmesi
Detection malicious software with deep learning method
- Tez No: 729351
- Danışmanlar: PROF. DR. REFİK SAMET
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 66
Özet
Teknolojik cihazlardaki verilerin ele geçirilmesi, sistemlere zarar verilmesi amacıyla siber saldırılar yapılmakta olup, kurumlara ve bireylere yüksek maliyette zararlar verilmektedir. Siber saldırı türlerinde en çok karşılan tür olan zararlı yazılımlar, veri güvenliği ve mahremiyeti ile ilgili endişeler oluşturmaktadır. Kötü amaçlı yazılımlar her gün farklı türleri ile piyasaya sunulmakta olup, zararlı yazılımların tespiti için yüksek maliyette harcamalar yapılmaktadır. Farklı türlerde olan zararlı yazılımların tespitleri için imza, dinamik ve spesifikasyon tabanlı yöntemler kullanılmaktadır. İmza ve dinamik tabanlı tespit yöntemlerinin zararlı yazılım tespitindeki eksikliklerinden dolayı gelişen teknolojik imkanlardan yararlanılarak derin öğrenme yöntemini içeren mimari model önerilmiştir. Geliştirilen modelde derin öğrenme algoritmaları kullanılarak, makine öğrenmesi algoritmaları ve diğer çalışmalarla kıyaslama yapılarak güçlü ve zayıf yönleri yapılan tez çalışmasında anlatılmıştır. Önerilen derin öğrenme modelinde %99.02 başarı oranında kötü amaçlı yazılım tespiti yapılmıştır. İlgili çalışma statik ve dinamik analiz yöntemlerinin yeni zararlı yazılımlara karşı eksikliklerini ortaya koyarak, yüksek veri seti üzerinde Windows işletim sistemlerinde mevcut çalışmalara kıyasla yüksek oranda zararlı yazılımları tespit etmiştir.
Özet (Çeviri)
Cyber attacks are carried out in order to seize data on technological devices and damage systems, causing high-cost damages to institutions and individuals. Malware, which is the most common type of cyber attack, raises concerns about data security and privacy. Malware is released to the market with different types every day, spend high costs for the detection of malicious software. Signature, dynamic and specification based methods are used for the detection of different types of malicious software. A architectural model including the deep learning method has been proposed to take advantage of the developing technological possibilities due to the deficiencies in malware detection of signature and dynamic based detection methods. In the developed model, deep learning algorithms are used and the strengths and weaknesses are explained in the thesis study by making comparisons with machine learning algorithms and other studies. In the proposed deep learning model, malware detection was achieved with a success rate of 99.02%. The related study revealed the shortcomings of static and dynamic analysis methods against new malware, and detected a high rate of malware compared to existing studies on Windows operating systems on a high data set.
Benzer Tezler
- Automated analysis approach for the detection of high survivable ransomwares
Sinsi fidye yazılımlarının tespiti için otomatik analiz yaklaşımı
YAHYE ABUKAR AHMED AHMED
Doktora
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BARIŞ KOÇER
DR. SHAMSUL HUDA
- Androıd kötücül yazılımlarından koruma sistemlerinin değerlendirilmesi ve görüntü işleme algoritmalarını yapay zekâ teknikleri ile melezleştirerek yeni bir algılama yaklaşımının geliştirilmesi
Evaluating the robustness of android anti-malware systems and developing a novel detection approach based on hybridizing image processing algorithms with artificial intelligence techniques
HALİT BAKIR
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİL MURAT ÜNVER
- 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
- Derin sinir ağları ile federe öğrenme tabanlı bir kötü amaçlı yazılım tespit uygulaması
A federated learning based malware detection application with deep neural networks
ZEKİ ÇIPLAK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. KAZIM YILDIZ
- 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