Dosya başlık bilgilerine dayalı güvenli klasör sınıflandırması
Secure folder classification based on file header information
- Tez No: 881136
- Danışmanlar: DOÇ. DR. HİDAYET TAKCI
- 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: Sivas Bilim ve Teknoloji Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Savunma Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 82
Özet
Teknolojinin gelişmesiyle birlikte hayatımızda daha fazla yer tutan siber dünya birçok güvenlik problemini de beraberinde getirmiştir. Bu problemlerin en başında zararlı yazılım kaynaklı bilgi kaçırma, zarar verme ve istihbarat toplama amaçlı faaliyetler bulunmaktadır. Zararlı yazılımlarla ilgili olarak yapılacak en önemli çalışma kötü amaçlı dosya ve klasörlerin tespit edilmesidir. Kötü amaçlı dosya ve klasörler çeşitli türlerde olabileceğinden bu dosyaların tespitine dayalı bir model geliştirmek oldukça zor ve maliyetli olacaktır. Bu zorluğu ortadan kaldırmanın bir yolu güvenli olduğu bilinen klasörlerin belirlenmesi ve onun dışında kalanların kötü amaçlı dosya ve klasörler olarak tespit edilmesidir. Bu çalışmada, önerdiğimiz yaklaşım doğrultusunda sınıfı bilinen dosyaların sınıfının normal olup olmadığı analiz edilmiş, böylece algoritmanın zararlı yazılım tespitindeki etkinliği incelenmiştir. Yöntem olarak dosya isimlerinin metinsel analizi yapılarak normal veya zararlı sınıfları tespit edilmiştir. Önerdiğimiz yöntemde zararlı yazılım tespiti denetimli öğrenme kategorisinde ele alınmış ve centroid tabanlı sınıflayıcı algoritması kullanılmıştır. Sınıflandırma işlemi için kosinüs, Manhattan ve öklidyen olmak üzere 3 farklı uzaklık/benzerlik yöntemi kullanılmıştır. Her biri 43 adet özellikle sunulan dosya adı bilgilerine dayalı yaptığımız çalışmalarda, en yüksek sınıflandırma doğruluğu %85 ile kosinüs benzerliği yönteminden elde edilmiştir. Ayrıca veri seti lojistik regresyon, K-nn, Naive Bayes, destek vektör makinesi, karar ağaçları ve rastgele orman gibi sık kullanılan makine öğrenimi algoritmalarıyla test edilerek sonuçlar karşılaştırmalı olarak verilmiştir.
Özet (Çeviri)
The cyber world has been taking more place in our lives step by step by the technological improvements. It comes up with many security problems, as well. The most important points in these problems are malware-related information leakage, damage and intelligence gathering activities. So the most important study on these area is to detect malicious file and folder regarding to the malware. Since malicious files and folders can be of various types, developing a model based on the detection of these files will be very difficult and costly. One way to eliminate this difficulty is to identify folders that are known to be safe and identify those outside of them as malicious files and folders. In this study, in line with our proposed approach, it was analyzed whether the class of files whose class was known was normal or not, thus the effectiveness of the algorithm in detecting malware was examined. As a method, normal or malicious classes were determined by textual analysis of file names. In our proposed method, malware detection is considered in the supervised learning category and centroid-based classifier algorithm is used. Three different distance/similarity methods were used for the classification process: cosine, Manhattan and euclidean. In our studies, each based on file name information presented with 43 features, the highest classification accuracy of 85% was obtained from the cosine similarity method. In addition, the data set was tested with frequently used machine learning algorithms such as logistic regression, K-nn, Naive Bayes, support vector machine, decision trees and random forest, and the results were given comparatively.
Benzer Tezler
- Contribution a la recherche d'un cadre juridique pour un droit international de laconcurrence plus efficace
Daha etkin bir uluslararası rekabet için hukuki çerçeve arayışı
ALİ CENK KESKİN
Doktora
Fransızca
2009
HukukGalatasaray ÜniversitesiKamu Hukuku Ana Bilim Dalı
PROF. DR. JEAN MARC SOREL
PROF. DR. HALİL ERCÜMENT ERDEM
- 541 numaralı Afyonkarahisar Şer'iyye Sicili 1736-1747 (H. 1154-1159)(Belge özetleri-transkripsiyon-değerlendirme)
Afyonkarahisar the dates of 1149-1159. in the national library, it is possible to collect the documents registered in the register of Sahib
SONER ÇELİK
- Developing a detailed framework for covalent docking, implementation and comparative assessment of different tools on a benchmark set of protein-ligand complexes
Kovalent kenetlenme metodunun ayrıntılı prosedürünün çıkarılması, kontrol ve özgün olarak belirlenecek protein-küçük molekül çiftleri üzerinde uygulanması ve sonuçların karşılaştırmalı analizi
AHMET CAN TEKELİ
Yüksek Lisans
İngilizce
2024
Biyomühendislikİstanbul Medeniyet ÜniversitesiBiyomühendislik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SALİHA ECE ACUNER ZORLUUYSAL
- Detection of sources being used on ddos attacks
Ddos ataklarında kullanılan kaynakların tespiti
YALDA MOTEVAKELKHOSROSHAHI
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgi Güvenliği Mühendisliği Ana Bilim Dalı
DOÇ. DR. ENVER ÖZDEMİR
