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
- Tez No: 994612
- Danışmanlar: DOÇ. DR. HALİT BAKIR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Anti-virüs yazılımı, Evrişimli sinir ağları, Gerçek zamanlı yazılım, Sayısal görüntü işleme, Zararlı yazılım analizi, Anti-virus software, Convolutional neural networks, Real time software, Digital image processing, Malware analysis
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Sivas Bilim ve Teknoloji Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Android tabanlı zararlı yazılımlar (malware), mobil cihazların yaygınlaşmasıyla birlikte siber güvenlik açısından ciddi tehditler oluşturmaktadır. Bu tez kapsamında, Android uygulamalarının zararlı olup olmadığını tespit etmeye yönelik olarak, kod görselleştirme ve statik kod analizi temelli iki farklı yöntem geliştirilmiştir. Her iki yöntem için ayrı ayrı Convolutional Neural Network (CNN) mimarileri eğitilmiş; toplamda dokuz farklı, dengeli ve dengesiz veri seti üzerinde test edilmiştir. Elde edilen modeller, hibrit bir yapı içerisinde birleştirilerek KangalGUARD adını verdiğimiz, Linux işletim sistemi üzerinde gerçek zamanlı olarak çalışan bir malware tespit uygulamasına entegre edilmiştir. KangalGUARD, sistem başlangıcında otomatik olarak devreye giren bir Linux servisidir. Dosya sistemi üzerinde sürekli tarama yaparak .apk uzantılı dosyaları tespit eder ve sınıflandırır. Sınıflandırma sürecinde hem statik analiz hem de görselleştirme tabanlı modellerden elde edilen sonuçlar birlikte değerlendirilir. Sistem ayrıca Malware Bazaar, VirusTotal ve AndroZoo API'leri ile entegre çalışarak güncel örnekleri veri havuzuna dahil eder. Tüm işlem kayıtları PostgreSQL veritabanında tutulur. Gerçek zamanlı yapılan testlerde, sistem %94'ün üzerinde doğruluk oranıyla zararlı yazılımları başarılı bir şekilde tespit etmiştir. KangalGUARD, teorik çalışmaları pratik bir çözüme dönüştürerek, canlı bir Linux ortamında yüksek doğrulukla çalışan yenilikçi bir güvenlik aracı olarak konumlanmaktadır.
Özet (Çeviri)
Android-based malware has become a significant cybersecurity threat with the widespread adoption of mobile devices. In this thesis, two distinct detection approaches based on code visualization and static code analysis were developed to classify Android applications as malicious or benign. Separate Convolutional Neural Network (CNN) architectures were trained for each method, and both were tested using nine different datasets, including both balanced and imbalanced samples. The resulting models were combined into a hybrid architecture and integrated into a real-time malware detection system named KangalGUARD, designed to run natively on the Linux operating system. KangalGUARD operates as a Linux service that starts automatically upon system boot. It continuously scans the file system for .apk files and classifies them using the integrated hybrid deep learning models. The classification process leverages the outcomes of both static and visual analysis methods. The system also integrates with the MalwareBazaar, VirusTotal, and AndroZoo APIs to retrieve and update malware and benign samples daily. All operations, including scanning and classification results, are logged in a PostgreSQL database for future analysis and reporting. During real-time testing, KangalGUARD achieved a malware detection accuracy of over 94%, demonstrating its effectiveness in practical use. By bridging theoretical research with a fully functional real-world implementation, KangalGUARD presents a promising and innovative cybersecurity tool capable of operating continuously in live Linux environments.
Benzer Tezler
- Kangal çoban köpeklerinin farklı hayvan sürülerinde gösterdikleri davranışsal ve fizyolojik değişkenlerin karşılaştırılması
Comparison of kangal dogs indicate behavioral and physiological variables in different animal herds
MUSTAFA KOÇKAYA
- Kangal köpeklerinde sürü koruma davranışları ve bu davranışlara etkili endokrin mekanizmaların incelenmesi
Investigation of livestock guarding behaviors of kangal dogs and endocrine mechanisms for these behaviors
EZGİ ERGEN ÖZÇELİK
Doktora
Türkçe
2023
Fizyolojiİstanbul Üniversitesi-CerrahpaşaVeterinerlik Fizyolojisi Ana Bilim Dalı
DOÇ. DR. İBRAHİM AKYAZI
- Genetic identity of Anatolian Sheepherd Dog (ASD) population using microsatellites
Anadolu Çoban Köpeği popülasyonunun genetik özgünlüğünün mikrosatellitlerle araştırılması
EVREN KOBAN
Yüksek Lisans
İngilizce
2001
BiyolojiOrta Doğu Teknik ÜniversitesiBiyoloji Ana Bilim Dalı
PROF. DR. İNCİ TOGAN