Geri Dön

Kötü amaçlı android tabanlı yazılım tespitinin güncel meta-sezgisel algoritmalar ile karşılaştırmalı analizi

Comparative analysis of malicious android based software detection with recent metaheuristic algorithms

PDF İndir

  1. Tez No: 877474
  2. Yazar: MEHMET ŞİRİN BEŞTAŞ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ÖZLEM BATUR DİNLER
  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: 2024
  8. Dil: Türkçe
  9. Üniversite: Siirt Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 136

Özet

Günümüzde Android kötü amaçlı yazılım tehdit ve saldırıları, kullanımları ve popülerlikleri nedeniyle hızla artmaktadır. Bu nedenle, kötü amaçlı yazılımları etkili bir şekilde tespit edebilecek sistemlere olan ihtiyaç da gün geçtikçe artmaktadır. Bu amaçla bu çalışmada, Android kötü amaçlı yazılımın tespitinin performansını artırmak için trend olan çeşitli meta-sezgisel algoritmaların optimum özellik seçim (FS) yöntemleri olarak kullanılması önerilmektedir. Bu bağlamda, bu çalışmada Yapay Arı Kolonisi Algoritması (ABC), Ateş Böceği Algoritması (FA), Gri Kurt Optimizasyonu (GWO), Karınca Aslanı Optimizasyonu (ALO), Karga Arama Algoritması (CSA), Sinüs Kosinüs Algoritması (SCA), Balina Optimizasyon Algoritması (WOA), Salp Sürü Algoritması (SSA), Harris Şahin Optimizasyonu (HHO) ve Kelebek Optimizasyonu Algoritması (BOA) gibi özellik seçiminde en öne çıkan on güncel meta-sezgisel algoritma (RMA) kullanılmıştır. Bu algoritmaların verimliliği, Android uygulamalarının iyi bilinen iki veri kümesi (Drebin-215 ve MalGenome-215) üzerinde beş farklı makine öğrenmesi (ML) yöntemi ile değerlendirilmiştir. Ayrıca, elde edilen sonuçlar, bu problemin çözümünde yaygın olarak kullanılan ve iyi bilinen beş geleneksel meta-sezgisel algoritma (CMA); Genetik Algoritma (GA), Parçacık Sürü Optimizasyonu (PSO), Benzetilmiş Tavlama (SA) , Karınca Kolonisi Optimizasyonu (ACO) ve Diferansiyel Gelişim (DE) ile de karşılaştırılmıştır. Kapsamlı deneysel sonuçlar, RMA'nın Android kötü amaçlı yazılım tespitine dahil edilmesinin değerli bir yaklaşım olduğunu göstermektedir.

Özet (Çeviri)

Today, Android malware threats and attacks are rapidly increasing due to their use and popularity. Therefore, the need for systems effectively detecting malware is also increasing day by day. This study proposes the use of various trending meta-heuristic algorithms with encapsulation method for optimal feature selection (FS) in Android malware detection. For this purpose, in this study, Artificial Bee Colony Algorithm (ABC), Firefly Algorithm (FA), Grey Wolf Optimization (GWO), Antlion Optimization (ALO), Crow Search Algorithm (CSA), Sine Cosine Algorithm (SCA), Whale Optimization. The ten most prominent current meta-heuristic algorithms (RMA) were used in feature selection, such as algorithm (WOA), Salp Swarm Algorithm (SSA), Harris Hawk Optimization (HHO) and Butterfly Optimization Algorithm (BOA). The efficiency of these algorithms is evaluated with five different machine learning (ML) methods on two well-known datasets of Android applications (Drebin-215 and MalGenome-215). In addition, the obtained results are based on five well-known traditional metaheuristic algorithms (CMA), which are widely used in solving this problem; It has also been compared with Genetic Algorithm (GA), Particle Swarm Optimization (PSO), Simulation Annealing (SA), Ant Colony Optimization (ACO) and Differential Evolution (DE). Extensive experimental results show that incorporating RMA into Android malware detection is a valuable approach.

Benzer Tezler

  1. Tez No

    777903

    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

  2. Tez No

    856642

    Android authorship attribution using source code-based features

    Kaynak kodu tabanlı özellikler kullanılarak Android yazarlık ilişkilendirmesi

    EMRE AYDOĞAN

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. SEVİL ŞEN AKAGÜNDÜZ

  3. Tez No

    838307

    Derin öğrenme yaklaşımı kullanan android uygulamaların güvenlik incelemesi

    Using deep learning approach security review of android applications

    YUNUS EMRE BALTACI

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolİSTANBUL TOPKAPI ÜNİVERSİTESİ

    Yazılım Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ARİF YELĞİ

  4. Tez No

    409141

    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

  5. Tez No

    792149

    Using machine learning to improve automated test generation

    Otomatik test yaratımını iyileştirme amaçlı makine öğrenmesi kullanımı

    YAVUZ KÖROĞLU

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET ALPER ŞEN

Geri Dön