Page 16 - FBEkatalog2014c
P. 16
Bilgisayar Mühendisliği ABD Yüksek Lisans Programı Computer Engineering Master of Science
Te Başlığı Thesis Title
TAŞINABİLİR SİSTEMLERDE ÇOK AMAÇLI KÖTÜ ÜL KOD TESPİTİ MULTI PURPOSE MAL ARE DETE TION IN MOBILE SYSTEMS
Öğrenci Adı / Student s Name
Te Danışmanı / Thesis Super isor
Eş-Danışman / o-Ad isor
ÖZET ABSTRA T
Anormallik tespiti temelli kötücül kod tespit etme kapsamında uygulamalar, farklı In the scope of anomaly based Android malware detection, different type of features
türdeki özellikleri kullanılarak temsil edilmiş ve bu özellikler birçok farklı yöntem has been used to represent applications and lots of algorithms have been applied to
kullanılarak değerlendirilmiştir. Ancak uygulamaları temsil ederken kullanılan evaluate these features. Representation sources and representation methods are
özelliklerin birbirini ne kadar tamamladığı ya da uygulamaları temsil etme very important. Although there are lots of anomaly based malware detection studies
yeteneklerinin ne kadar olduğu üzerinde çok durulmamıştır. Uygulamaların temsil with high accuracies, there are some doubts about representation methods of
edilmesinde kullanılan kaynaklar ve uygulamaları temsil etme yöntemleri oldukça applications. In this study, our main objective is to choose suitable feature types and
önemlidir. Ancak, anormallik tespitine dayalı kötücül kod tespit edilmesi represent applications completely. In order to achieve this purpose, we propose an
kapsamında birçok başarılı sonuç bildiren çalışma yapılmış olsa da, uygulamaların ensemble learning based malware detection architecture. The proposed
tam olarak temsil edilmeleri konusu üzerinde çok durulmamıştır. Bu çalışmada, architecture was tested using Android. Also, in order to represent applications
uygulamaları tam olarak temsil edebilmek ve bu sayede tespit etme başarısını completely, 4 different feature types were extracted from applications. Native code
artırmak, kötücül uygulamaları daha hassas tespit edebilmek için grup öğrenmesini and Java byte code were analyzed using both static and dynamic analysis methods
temel alan kötücül kod tespit etme mimarisi sunulmuştur. Sunulan mimari Android in order to reveal all internal and structural behavior of applications. Features in the
uygulamaları kullanılarak denenmiştir ve sunulan mimaride bu uygulamaların tam proposed architecture were processed using different mining algorithms in order to
olarak temsil edilebilmesi için 4 farklı türde özellik çıkarılmıştır. Bu özellikler produce divergent base learners. In addition to proposed detection architecture, we
değişken ve durağan çözümleme yöntemleri ile uygulamalarının hem native kodu also propose a heuristic based base learner selection algorithm. This algorithm is
hem de byte kodu incelenerek elde edilmiştir. Sunulan grup öğrenmesi temelli based on three criteria: Accuracy, sensitivity and diversity. 2450 (1225 benign,
mimarinin zayıf öğrenicileri farklı türdeki özelliklerin farklı yöntemlerle işlenmesi 1225 malicious) applications were used to test the proposed architecture and the
ile elde edilmiştir. Bu mimariye ek olarak bir de; başarı, kötücül kod tespit hassaslığı proposed algorithm. Although proposed architecture requires more time comparing
ve farklılık ölçülerine dayanan sezgisel yaklaşımlı bir zayıf öğrenici seçme with single learner systems, accuracy of proposed architecture was better because
algoritması sunulmuş ve bu algoritma ile bir seçmeli grup öğrenmesi sistemi of its generalization ability. Additionally, our proposed heuristic based selection
oluşturulmuştur. Yapılandırılan mimari 1225 kötücül ve 1225 kötücül olmayan algorithm outperformed the usage of all generated base learners.
uygulama ile denenmiştir. Bu mimari zaman olarak daha fazla zaman gerektirse de
