Αποτίμηση χαρακτηριστικών κακόβουλου λογισμικού με βάση τη συμπεριφορά

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 κ...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
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)
Διαθέσιμο Online:	http://hdl.handle.net/10889/10588

id	nemertes-10889-10588
record_format	dspace
spelling	nemertes-10889-105882022-09-06T05:13:19Z Αποτίμηση χαρακτηριστικών κακόβουλου λογισμικού με βάση τη συμπεριφορά Malware evaluation based on behavioural characteristics Μιχαλόπουλος, Παναγιώτης Σερπάνος, Δημήτριος Michalopoulos, Panagiotis Σερπάνος, Δημήτριος Κουφοπαύλου, Οδυσσέας 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. The need for malware control is always here. As mlaware writers employ more and more sophisticated evasion techniques, the current signature-based detection methods fail to deliver. At the same time the increasing volume of malware leads to the use of classification so malware analysts can focus on new and important threads. In this diploma thesis an automated malware analysis platform is presented. This platform combines dynamic and static analysis and uses machine learning techniques in order to analyse and classify malware. First, an overview of the dynamic and static analysis is provided. Next, the requirements and the structure of the platform are discussed and in the end, the implementation of the platform is presented. 2017-08-25T05:52:35Z 2017-08-25T05:52:35Z 2017-06 Thesis http://hdl.handle.net/10889/10588 gr 0 application/pdf
institution	UPatras
collection	Nemertes
language	Greek
topic	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)
spellingShingle	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) Μιχαλόπουλος, Παναγιώτης Αποτίμηση χαρακτηριστικών κακόβουλου λογισμικού με βάση τη συμπεριφορά
description	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.
author2	Σερπάνος, Δημήτριος
author_facet	Σερπάνος, Δημήτριος Μιχαλόπουλος, Παναγιώτης
format	Thesis
author	Μιχαλόπουλος, Παναγιώτης
author_sort	Μιχαλόπουλος, Παναγιώτης
title	Αποτίμηση χαρακτηριστικών κακόβουλου λογισμικού με βάση τη συμπεριφορά
title_short	Αποτίμηση χαρακτηριστικών κακόβουλου λογισμικού με βάση τη συμπεριφορά
title_full	Αποτίμηση χαρακτηριστικών κακόβουλου λογισμικού με βάση τη συμπεριφορά
title_fullStr	Αποτίμηση χαρακτηριστικών κακόβουλου λογισμικού με βάση τη συμπεριφορά
title_full_unstemmed	Αποτίμηση χαρακτηριστικών κακόβουλου λογισμικού με βάση τη συμπεριφορά
title_sort	αποτίμηση χαρακτηριστικών κακόβουλου λογισμικού με βάση τη συμπεριφορά
publishDate	2017
url	http://hdl.handle.net/10889/10588
work_keys_str_mv	AT michalopoulospanagiōtēs apotimēsēcharaktēristikōnkakobouloulogismikoumebasētēsymperiphora AT michalopoulospanagiōtēs malwareevaluationbasedonbehaviouralcharacteristics
_version_	1799945000863137792

Αποτίμηση χαρακτηριστικών κακόβουλου λογισμικού με βάση τη συμπεριφορά

Παρόμοια τεκμήρια