Geri Dön

Malware detection using machine and deep learning algorithms for computer devices

Makine kullanarak kötü yazilim tespiti ve için derin öğrenme algoritmalari bilgisayar cihazlari

  1. Tez No: 799955
  2. Yazar: MOHAMMED THAIR ABDULSATTAR ALTAIY
  3. Danışmanlar: PROF. DR. OSMAN NURİ UÇAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
  12. Bilim Dalı: Bilişim Teknolojileri Bilim Dalı
  13. Sayfa Sayısı: 109

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

  1. Android cihazlarda makine öğrenmesi algoritmaları kullanılarak kötücül yazılım tespiti

    Malware detection using machine learning algorithms on android devices

    DURMUŞ ÖZKAN ŞAHİN

    Doktora

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOndokuz Mayıs Üniversitesi

    Hesaplamalı Bilimler Ana Bilim Dalı

    PROF. DR. ERDAL KILIÇ

  2. Android sistemlerde derin öğrenme tabanlı kötü amaçlı yazılım tespit sistemi

    Deep learning based malware detection system on android systems

    ESRA ÇALIK BAYAZIT

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BUKET DOĞAN

    PROF. DR. ÖZGÜR KORAY ŞAHİNGÖZ

  3. 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

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HALİL MURAT ÜNVER

  4. Ağ trafiğinde anormallik tespiti için veri seti oluşturma ve test yöntemlerinin karşılaştırılması

    Creating a data set for anomaly detection in network traffic and comparison of test methods

    EMRULLAH ERGİNAY

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MUHAMMET ALİ AKCAYOL

  5. 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

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET DEMİRCİ