Malware detection using machine and deep learning algorithms for computer devices
Makine kullanarak kötü yazilim tespiti ve için derin öğrenme algoritmalari bilgisayar cihazlari
- Tez No: 799955
- Danışmanlar: PROF. DR. OSMAN NURİ UÇAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Makine endüstrisi, Machine industry
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Bilişim Teknolojileri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bazen kötü amaçlı yazılım olarak bilinen kötü amaçlı yazılım, bilgisayar güvenliği için ciddi bir tehdit oluşturur. Varyasyonların niceliği ve çeşitliliği nedeniyle, geleneksel güvenlik önlemleri yetersizdir ve İnternette birçok yerde Bilgisayar Virüsü, internet gibi kötü amaçlı yazılım bulaşması var solucanlar ve truva atları kötü amaçlı yazılım örnekleridir. Kötü amaçlı yazılımın çok biçimli olmasına rağmen ve engelleme, dosyaların keşfedilmesini zorlaştırır, çalışma zamanı sırasında, dinamik kötü amaçlı yazılım-ikili analiz yapılır. Kötü amaçlı yazılımla yapılan saldırıları tanımlamanın ve bunlara karşı koruma sağlamanın bir yolunu sunar yazılımı kullanarak, otomatik kötü amaçlı yazılım davranışı analizi için bir yaklaşım sunuyoruz. makine öğrenme. Böyle bir teknolojiyi kullanarak, kısa bir süre önce keşfedilmemiş yeni bir bulunan sınıflar (sınıflandırma) için kötü amaçlı yazılım ailelerinin yanı sıra yeni kötü amaçlı yazılım benzer davranışa sahip sınıflar, ortaya çıkarılmış (kümeleme) dinamik olarak tanınabilir. Hem kümeleme hem de sınıflandırma, günlük verileri izleyebilen artımlı analizi ifade eder. binlerce kötü amaçlı yazılımın faaliyetlerini inceler ve davranışlarını analiz eder. Yenilikçi araştırma sağlar yeni kötü amaçlı yazılım türlerinin düzgün bir şekilde tanımlanıp ayrımcılığa tabi tutulduğunu ve aynı zamanda büyük ölçüde azaltıldığını mevcut test prosedürlerinin ek yükü.
Özet (Çeviri)
Malicious software, sometimes known as malware, poses a serious threat to computer security. Due to the quantity and diversity of variations, traditional security measures are inadequate, and there are a lot of places on the internet has malware infection such as Computer Virus, internet worms, and trojan horses are examples of malware. Despite the fact that malware multiformity and obstruction create it difficult to discover files, during runtime, dynamic malware-binary analysis is performed. Provides way to identify & protect towards the attack posed with malware software in this paper, we offer an approach for automated malware behavior analysis using machine learning. Using such technology, for a short time ago there is a new undiscovered malware families for the classes (classification) that have been found, as well as new malware classes with a similar behavior, have been uncovered (clustering) may be dynamically recognized. Both clustering and classification imply incremental analysis, which may monitor the daily activities of thousands of malwares and analyses their behavior. The innovative research ensures that new malware types are properly identified and discriminated against while greatly reducing the overhead of existing test procedures.
Benzer Tezler
- Malware analysis and identification with machine learning techniques
Başlık çevirisi yok
MEHMET ERDİ ÖZBEK
- Android sistemlerde derin öğrenme tabanlı kötü amaçlı yazılım tespit sistemi
Deep learning based malware detection system on android systems
ESRA ÇALIK BAYAZIT
- 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
- Nesnelerin interneti ağlarında derin öğrenme tabanlı yeni bir saldırı tespit sistemi
A novel deep learning-based intrusion detection system for internet of things networks
KEMAL AKKANAT
- Android işletim sistemlerinde zararlı yazılım tespitine yönelik hibrit analiz ve özellik seçimi temelli yaklaşım
A hybrid analysis and feature selection based approach to malware detection in android operating system
MESUT GÜN
