Derin öğrenme ile görüntü tabanlı hibrit android kötücül yazılım tespiti
Image-based hybrid android malware detection with deep learning
- Tez No: 920304
- Danışmanlar: DOÇ. DR. İBRAHİM ALPER DOĞRU
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Android telefonlar en çok kullanılan cep telefonu işletim sistemi olarak bilinmektedir. Android işletim sistemi açık kaynak olduğundan ve oluşturulan uygulamalar piyasaya sürülmeden önce kapsamlı bir şekilde incelenmediğinden, bu senaryo mobil uygulama geliştirici korsanların birincil odak noktası olmuştur. Bu nedenle, kötü amaçlı yazılım ile zararsız Android uygulamalarını birbirinden ayıracak teknolojilere ihtiyaç duyulmaktadır. Bu tez çalışmasında CNN tabanlı ve karma analiz yöntemi kullanılarak Android kötücül yazılımların tespiti üzerine bir sistem geliştirilmiştir. Ayrıca, önerilen yaklaşımın performansını değerlendirmek amacıyla geleneksel makine öğrenmesi algoritmaları ile karşılaştırmalı analiz gerçekleştirilmiştir. Bu tez çalışmasında Literatürde hali hazırda kullanılan CICMalDroid 2020 veri seti kullanılarak veri setindeki uygulamaların öznitelikleri AndroPyTool aracı kullanılarak elde edilmiş ve paralel yürütme tekniği kullanılarak 17 089 Android uygulamasının daha hızlı analiz dosyaları elde edilmiştir. Bu tez çalışmasında statik analiz öznitelikleri olarak izinler, niyetler (intents), alıcılar (receivers) ve servisler (services) kullanılmıştır. Dinamik analiz özelliği olarak uygulamaların çalışma zamanında oluşturdukları sistem çağrıları özelliği kullanılmıştır. Bu öznitelikler elde edilmesiyle veri ön işlemesi yapıldıktan sonra her bir uygulama için belirtilen statik özniteliklerin her biri için uygulamanın kullanım durumuna göre virgülle ayrılmış bir metin elde edilmiştir. Dinamik analiz özelliği olan sistem çağrıları için çağrılma sırası virgül ile ayrılarak her bir uygulama için metinler elde edilmiştir. Her öznitelik için benzersiz bir yerleştirme vektörü oluşturmak amacıyla ilgili metinleri dijitalleştirmek için BERT yöntemi kullanılmıştır. Vektörlerin sayısallaştırılmasının ardından her özelliğin uzunluğuna göre resim dosyaları üretilmiştir. Tek bir görüntü dosyası oluşturmak için bu görüntü dosyaları yan yana birleştirilmiştir. Son olarak bu görüntü dosyaları CNN modelinin görüntüler üzerinde Android kötü amaçlı yazılım tespitine uygulandığında önemli ve başarılı sonuçlar ürettiği bilindiğinden CNN ile sınıflandırılmıştır. Araştırmada kullanılan veri setine CNN'ler uygulanarak deneysel sonuçlar elde edilmiştir. Deneyler sonucunda iki çıkışlı bir CNN %92,15 doğruluk, %94,87 F1 skoru, %96,25 duyarlılık ve %93,52 kesinlik ile en yüksek performansı sağlamıştır.
Özet (Çeviri)
Android phones are known as the most used mobile phone operating system. Since the Android operating system is open source and generated applications are not thoroughly reviewed before being released, this scenario has been the primary focus of hackers. Therefore, technologies are needed to distinguish between malware and benign Android applications. In this thesis study, a system for detecting Android malware was developed using CNN-based and hybrid analysis method. In this study, a comprehensive comparative analysis with traditional machine learning algorithms was performed to evaluate the performance of the proposed approach. In this thesis study, using the CICMalDroid 2020 dataset, which is currently used in the literature, the features of the applications in the dataset were obtained using the AndroPyTool tool, and faster analysis files of 17 089 Android applications were obtained using the parallel execution technique. In this thesis study, permissions, intents, receivers and services were used as static analysis features. System calls created by applications at run time were used as the dynamic analysis feature. After pre-processing the data to obtain these features, a comma-separated text was obtained for each of the static features specified for each application, according to the usage situation of the application. For system calls with dynamic analysis feature, the order of calls was separated by commas and texts were obtained for each application. The BERT method was used to digitize the relevant texts to create a unique embedding vector for each feature. After digitizing the vectors, image files were produced according to the length of each feature. These image files are combined side by side to create a single image file. Finally, these image files were classified with CNN because it is known that the CNN model produces significant and successful results when applied to Android malware detection on images. Experimental results were obtained by applying CNNs to the data set used in the research. As a result of the experiments, a two-output CNN provided the highest performance with 92.15% accuracy, 94.87% F1 score, 96.25% recall and 93.52% precision.
Benzer Tezler
- Çok kanallı görüntü temsillerinden dikkat katmanlı hibrit derin öğrenme mimarisi ile Android kötücül yazılım tespiti
Android malware detection with attention-based hybrid deep learning architecture from multi-channel image representations
KAZIM KILIÇ
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM ALPER DOĞRU
- Kangalguard: a real-time hybrid deep learning framework integrating code visualization and static analysis for malware detection
Kangalguard: kod görselleştirme ve statik analiz tekniklerini birleştiren gerçek zamanlı hibrit derin öğrenme tabanlı zararlı yazılım tespit çerçevesi
MUHAMMET TAN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSivas Bilim ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİT BAKIR
- Maymun çiçeği lezyonlarının derin öğrenme tabanlı hibrit model ile sınıflandırılması
Classification of monkeypox lesions using a deep learning-based hybrid model
MUSTAFA KEMAL TOPÇU
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ONUR İNAN
- Hibrit optik görüntüleme sistemi ile tespit edilen seramik yüzey kusurlarının görüntü işleme ve derin öğrenme teknikleriyle analizi
Analysis of ceramic surface defects detected with hybrid optical imaging system using image processing and deep learning techniques
DUYGU DEMİRCAN
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiZonguldak Bülent Ecevit ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLHAN USTABAŞ KAYA
DOÇ. DR. RUKİYE UZUN ARSLAN
- ViT, DeiT ve Swin tabanlı hibrit derin öğrenme modeli ile beyaz kan hücresi görüntülerinin sınıflandırma performansının değerlendirilmesi
Evaluating the classification performance of a ViT, DeiT and Swin-based hybrid deep learning model for white blood cell images
AYŞEGÜL YILMAZ
Yüksek Lisans
Türkçe
2025
BiyomühendislikSamsun ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALPASLAN KOÇ