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
- Tez No: 817720
- Danışmanlar: DOÇ. DR. İBRAHİM ALPER DOĞRU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 110
Özet
Araçların birçok tanımlanamayan cihaza veya altyapıya bağlanma eğiliminin artması nedeniyle“Araç Siber Güvenliğine (VC)”karşı dış saldırılar daha olası hale geliyor. Açık bağlantıya sahip bağlı araçlar ve kendi kendine giden araçlar gibi araçlar için izinsiz girişin tespiti, araçlar için ağ güvenliğinin oldukça önemli bir yönüdür. Teknoloji ilerledikçe saldırganlar, araba kontrol ünitelerine girip hasar verebilen kötü amaçlı yazılımları kullanmakta daha iyi hale geldi. Bu, güvenliği bu araçları korumanın önemli bir parçası haline getirdi. Bu nedenle, araç endüstrisinin büyümesi ve insanların araçların ve ağın güvenli olduğuna daha fazla inanması çok önemlidir. Bu çalışmada, hibrit analiz tabanlı Uyarlanabilir Genetik Algoritma (AGA) ve Particle Swarm optimizasyonundan (PSO) yararlanılarak sürücüsüz araçlarda Android kötü amaçlı yazılım tespiti için makine öğrenmesi tabanlı bir tespit yöntemi kullanılmıştır. Deneyler için 9504 özellik ve 13 farklı kötü amaçlı yazılım sınıfı içeren“CCCS-CIC-AndMal-2020”veri seti kullanıldı. Önerilen yaklaşımda öncelikle veri setindeki özelliklere PSO uygulanarak özellik seçimi yapılmaktadır. Bir sonraki adımda, Random Forest (RF) ve XGBoost makine öğrenimi sınıflandırıcılarının performansı AGA kullanılarak optimize edilmiştir. Yapılan deneylerde PSO tabanlı öznitelik seçimi ve AGA tabanlı hiperparametre optimizasyonu kullanılarak geliştirilen XGBoost sınıflandırıcı ile %99,82 doğruluk elde edildi ve Random Forest Classifier ile %98,72 doğruluk elde edildi. Sonuçlar, PSO ve AGA uygulamasının hibrit analizden elde edilen bilgilerin sınıflandırılmasındaki performansını büyük ölçüde artırdığını göstermektedir.
Özet (Çeviri)
External assaults against“Vehicles Cybersecurity (VC)”are becoming more likely due to the growing tendency of connecting the vehicles to many unidentified devices or infrastructure. For vehicles like connected vehicles that have open connectivity and self-driving vehicles, the detection of intrusion is a highly significant aspect of network security for vehicles. As technology advances, attackers have gotten better at using malware that can get into and damage car control units. This has made security an important part of protecting these vehicles. Thus, it is very important for the growth of the vehicles industry and for people to have more faith in it that the vehicles and the network are safe. In this study, a machine learning-based detection method was used for Android malware detection in self-driving vehicles, making use of a hybrid analysis-based Adaptive Genetic Algorithm (AGA) and Particle Swarm Optimization (PSO). Used the“CCCS-CIC-AndMal-2020”dataset containing 9504 features and 13 different malware classes for experiments. In the proposed approach, first, feature selection is performed by applying PSO to the features in the data set. In the next step, the performance of Random Forest (RF) and XGBoost machine learning classifiers is optimized using AGA. In the experiments performed, 99.82% accuracy was obtained with the XGBoost classifier, which was developed using PSO-based feature selection and AGA-based hyperparameter optimization. With Random Forest Classifier, 98.72% accuracy was achieved. The results show that the application of PSO and AGA greatly increases the performance in the classification of the information obtained from the hybrid analysis.
Benzer Tezler
- Yeni nesil gezgin haberleşme teknolojileri için yapay zeka tabanlı dikey el değiştirme yöntemi ve uygulaması
Artificial intelligence based vertical handoff method and application for new generation mobile communication technologies
ALİ ÇALHAN
Doktora
Türkçe
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
DOÇ. DR. CELAL ÇEKEN
- Designing an expert system for non-expert users in oral health: Story of a hybrid design research
Ağız sağlığı alanında uzman olmayan kullanıcılar için uzman sistem tasarlamak: Hibrit tasarım araştırması hikayesi
DENİZ GÖÇHAN
Yüksek Lisans
İngilizce
2023
Diş Hekimliğiİstanbul Teknik ÜniversitesiEndüstriyel Tasarım Ana Bilim Dalı
PROF. DR. HATİCE HÜMANUR BAĞLI
- Doğal dil işleme teknikleri kullanılarak türkçe mobil asistan yazılımı geliştirilmesi
Development of a turkish mobile assistant software using natural language processing techniques
GÖKHAN ÇELİKKAYA
Yüksek Lisans
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. GÜLŞEN ERYİĞİT
- Çekirge optimizasyon algoritması ve yapay sinir ağları kullanılarak hane güç tüketimi tahmini
Prediction of household power consumption using grasshopper optimization algorithm and artificial neural networks
TÜLİN SERT İRİ
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRE DANDIL
- Aykırı değer belirleme için melez bir zeki sistem tasarımı ve gerçekleştirimi
Design and implementation of hybrid intelligent system for outlier detection
ABDUL AHAD ABRO
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Prof. Dr. AYBARS UĞUR