Derin sinir ağları ile federe öğrenme tabanlı bir kötü amaçlı yazılım tespit uygulaması
A federated learning based malware detection application with deep neural networks
- Tez No: 878334
- Danışmanlar: DOÇ. DR. KAZIM YILDIZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kötü amaçlı yazılımların olası tehditleri, veri güvenliği alanının yalnızca bir yönünü teşkil eder. Bunun yanında, veri mahremiyeti de verinin güvenliği için kaçınılmaz bir bileşen olarak öne çıkmaktadır. Uzun zamandır klasik makine öğreniminde benimsenen, verinin merkezi bir cihazda toplanıp-işlenmesi yöntemi, veri mahremiyeti açısından bir dizi problemi de beraberinde getirmiştir. Günümüzde verilerin bu şekilde toplandığı birçok merkezi bilgi sistemi, saldırgan olarak nitelenen kötü niyetli kullanıcılar tarafından hedef haline getirilmiştir. Öte yandan federe öğrenme yöntemi ise hem veri mahremiyetini sağlaması açısından hem de verinin tek merkezde toplanma zorunluluğunu kaldırması açısından, makine öğrenimindeki verinin işlenmesinde, sağlam bir çözüm sunmaktadır. Bu tez çalışmasında da aynı derin öğrenme mimarisini kullanan, farklı kullanıcı sayılarına sahip federe öğrenme tabanlı modeller ile federe olmayan klasik yaklaşımlı modellerin verdiği sınıflandırma sonuçları, birçok açıdan karşılaştırılmıştır. Kanada Siber Güvenlik Enstitüsü tarafından hazırlanan CIC-MalMem-2022 veri seti kullanılarak hem malware tespiti hem de malware sınıflandırması gerçekleştirilmiştir. Feedforward Neural Network (FNN) ve Long Short-Term Memory (LSTM) adlı derin öğrenme algoritmalarının kullanıldığı çalışmada, ikili ve çoklu sınıflandırmalar için farklı niteliklere sahip, dördü federe olmayan olan, toplamda 28 adet model test edilmiş ve sonuçları tartışılmıştır.
Özet (Çeviri)
The potential threat of malware is only one aspect of data security. Data privacy is also an inevitable component of data security. The method of collecting and processing data on a centralized device, which has long been adopted in classical machine learning, has brought with it a number of problems in terms of data privacy. Today, many centralized information systems where data is collected in this way have been targeted by malicious users who are considered as attackers. On the other hand, federated learning provides a robust solution for processing data in machine learning, both in terms of ensuring data privacy and eliminating the need to centralize the data. In this thesis, the classification results of federated learning-based models with different numbers of users using the same deep learning architecture are compared with the classification results of non-federated classical approach models in many aspects. Both malware detection and malware classification were performed using the CIC-MalMem2022 dataset prepared by the Canadian Cyber Security Institute. In the study, Feedforward Neural Network (FNN) and Long Short-Term Memory (LSTM) deep learning algorithms were used, and a total of 28 models with different attributes for binary and multiple classifications, four of which were non-federated, were tested and the results were discussed.
Benzer Tezler
- Türkiye'de aile planlaması çalışmalarında erkeklerin önemi, hastane personeli ile fabrika işçilerinin doğum kontrol yöntemlerine karşı tutum ve davranranışlarında farklılığın araştırılması
Başlık çevirisi yok
KAMİL MALKOÇLU
Yüksek Lisans
Türkçe
1987
Demografiİstanbul ÜniversitesiAile Sağlığı Ana Bilim Dalı
DOÇ. DR. DERİN KÖSEBAY
- Değişik derim zamanı ve önsoğutmanın Bursa siyahı incir çeşidinin meyve kalitesi ve pazarlama süresi üzerine etkileri
Effects of haruest time and precooling on fruit quality and shelf-life of the fig variety“Bursa siyahı”
FÜSUN GÜRSEL ÇELİKEL
- Tekstil boyamacılığında atık flottede boyama imkanları üzerine araştırma
Başlık çevirisi yok
MEHMET YAKARTEPE
Yüksek Lisans
Türkçe
1985
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. KERİM DURAN
- Ön işlemenin ve askorbik asitin dondurularak depolanan yılan balıklarının (Anguilla anguilla) kalitesine etkileri
Başlık çevirisi yok
H.VOLKAN GÖKSEL
Yüksek Lisans
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiSu Ürünleri Ana Bilim Dalı
DOÇ. DR. AYDIN URAL
- Antakya tarihi ticaret merkezi mekansal yapı değişim ve gelişim sürecinin kent ticaret merkezi planlamasına etkinliği
The Effectiveness of spatial structural chance and development period of the historical trade center of Antakya in the urban trade planning
NEVİN TURGUT
Yüksek Lisans
Türkçe
1986
Şehircilik ve Bölge PlanlamaGazi ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
YRD. DOÇ. DR. NURCAN UYDAŞ