Αποτίμηση χαρακτηριστικών κακόβουλου λογισμικού με βάση τη συμπεριφορά

• Κύριος συγγραφέας: Μιχαλόπουλος, Παναγιώτης
• Άλλοι συγγραφείς: Σερπάνος, Δημήτριος
• Μορφή: Thesis
• Γλώσσα: Greek
• Έκδοση: 2017
• Θέματα: Κακόβουλο λογισμικό; Ταξινόμηση; Μηχανική μάθηση; Μηχανές διανυσμάτων υποστήριξης; Δυναμική ανάλυση; Στατική ανάλυση; 005.88; Malware; Malware analysis; Machine learning; Classification; Static analysis; Dynamic analysis; Support vector machines (SVM)

Η ανάγκη για έλεγχο του κακόβουλου λογισμικού είναι πάντα επίκαιρη. Καθώς οι συγγραφείς κακόβουλου λογισμικού χρησιμοποιούν όλο και πιο εξειδικευμένες τεχνικές αποφυγής του εντοπισμού οι υπάρχουσες signature-based λύσεις αποδεικνύονται ελλιπείς. Λύση σε αυτό έρχεται να δώσει η δυναμική ανάλυση του κακόβολου λογισμικού σε συνδυασμό με τη στατική. Ταυτόχρονα, ο αυξανόμενος όγκος του κακόβουλου λογισμικού επιβάλλει την εύρεση λύσεων για την ταξινόμησή του, ώστε να δίνεται προτεραιότητα σε καινούργιες απειλές. Στην παρούσα διπλωματική υλοποιείται μια πλατφόρμα στατικής και δυναμικής ανάλυσης κακόβουλου λογισμικού, η οποία χρησιμοποιεί τεχνικές μηχανικής μάθησης για την ταξινόμησή του. Αρχικά, εξηγούνται οι έννοιες τις δυναμικής και στατικής ανάλυσης. Στη συνέχεια, παρουσιάζονται οι προδιαγραφές και η δομή της πλατφόρμας και τέλος, η διαδικασία υλοποίησής της.