Geri Dön

Android malware prediction using machine learning

Başlık çevirisi mevcut değil.

  1. Tez No: 826277
  2. Yazar: SARI KHDHEAR MUKHLIF
  3. Danışmanlar: DR. ÖĞR. ÜYESİ SEFER KURNAZ
  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: 2023
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 44

Özet

İnternetten yararlanan ve her gün artan kötü amaçlı yazılım ciddi bir tehdit haline geldi. Kullanım kılavuzu nedeniyle kötü amaçlı yazılım (diğer adıyla kötü amaçlı yazılım) tanımlaması artık geçerli ve etkili değildir. kötü amaçlı yazılımın yüksek yaygınlığı. Böylece, otomatik davranış tabanlı kötü amaçlı yazılım tespiti makine öğrenimi teknikleri etkili bir çözüm gibi görünüyor. Çeşitli çalışmalar kanıtlanmıştır kötü amaçlı yazılım dosyalarını algılamak ve sınıflandırmak için makine öğreniminin verimliliği. Bu araştırmada birkaç Karar Ağacı, Rastgele Orman, Lojistik Regresyon dahil olmak üzere makine öğrenimi algoritmaları, SVM ve KNN, kötü amaçlı yazılım uygulamalarını tespit etmek için araştırılmıştır. İçin sınıflandırma amacı, Adware, Benign, Ransomware, SMS Malware olmak üzere beş sınıf, ve Scareware kullanılmıştır. Deneysel sonuçlar, makine öğreniminin algoritmalar, kötü amaçlı yazılım tespiti için pratik ve verimlidir ve %71 doğruluk bu algoritmalar sayesinde elde edilir.

Özet (Çeviri)

Increasing daily malware that exploits the Internet has become a severe threat. The manual malicious software (a.k.a., malware) identification is no longer valid and effective due to the high prevalence of malware. Thus, automatic behavior-based malware detection using machine learning techniques seems an effective solution. Various studies have proven the efficiency of machine learning to detect and classify malware files. In this research, several machine learning algorithms, including Decision Tree, Random Forest, Logistic Regression, SVM, and KNN, have been investigated to detect malicious software applications. For classification purpose, five classes, namely Adware, Benign, Ransomware, SMS Malware, and Scareware, have been used. Experimental results demonstrated that machine learning algorithms are practical and efficient for malware detection, and 71% accuracy can be achieved with the help of these algorithms.

Benzer Tezler

  1. Ulusal yazılım açıklık veri tabanı oluşturulması kapsamında android açıklıklarının modellenmesi ve analiz edilmesi

    Establishment of national software vulnerability's database

    KEREM GENCER

    Doktora

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. FATİH BAŞÇİFTÇİ

  2. A comparison of classification algorithms for mobile malware detection: Market metadata as input source

    Kötü amaçlı mobil yazılımların tespiti için kullanılan sınıflandırma algoritmalarının kıyaslanması: Girdi kaynağı olarak market meta verisi

    NURAY BALTACI

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilişim Sistemleri Ana Bilim Dalı

    PROF. DR. NAZİFE BAYKAL

    YRD. DOÇ. DR. CENGİZ ACARTÜRK

  3. Hibrit analiz kullanarak android kötücül yazılım aile sınıflandırması

    Android malware family classification by using hybrid analysis

    ÖMER FARUK TURAN CAVLI

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SEVİL ŞEN AKAGÜNDÜZ

  4. İzin ve izin gruplarına dayalı android kötücül yazılım tespit sistemi

    Android malware detection system based on permissions and permission groups

    MURAT ÖNDER

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İBRAHİM ALPER DOĞRU

  5. Zararlı android yazılımlarının makine öğrenmesi ile ailelerine göre sınıflandırılması

    Android malware family classification with machine learning

    SERCAN TÜRKER

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET BURAK CAN