Αναγνώριση κακόβουλου λογισμικού με στατική ανάλυση
Η ολοένα αυξανόμενη χρήση του διαδικτύου είναι άρρηκτα συνδεδεμένη με τον αναπτυσσόμενο ρυθμό τέλεσης ηλεκτρονικών εγκλημάτων και κυβερνοεπιθέσεων. Το κακόβουλο λογισμικό είναι μια από τις πιο σημαντικές κατηγορίες τέτοιων επιθέσεων αποτελώντας σοβαρή απειλή για την ασφάλεια των υπολογιστικών συστημ...
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Γλώσσα: | Greek |
| Έκδοση: |
2021
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/10889/14897 |
| id |
nemertes-10889-14897 |
|---|---|
| record_format |
dspace |
| spelling |
nemertes-10889-148972022-09-05T14:02:58Z Αναγνώριση κακόβουλου λογισμικού με στατική ανάλυση Malware detection through static analysis Βασιλάκη, Όλγα Vasilaki, Olga Κακόβουλο λογισμικό Στατική ανάλυση Εργαλεία στατικής ανάλυσης Κυβερνοασφάλεια Malware Static analysis Static code analysis tools Cybersecurity Ghidra Η ολοένα αυξανόμενη χρήση του διαδικτύου είναι άρρηκτα συνδεδεμένη με τον αναπτυσσόμενο ρυθμό τέλεσης ηλεκτρονικών εγκλημάτων και κυβερνοεπιθέσεων. Το κακόβουλο λογισμικό είναι μια από τις πιο σημαντικές κατηγορίες τέτοιων επιθέσεων αποτελώντας σοβαρή απειλή για την ασφάλεια των υπολογιστικών συστημάτων και κατ’ επέκταση για τους χρήστες τους. Για τον λόγο αυτό είναι επιτακτική η ανάγκη χρήσης σύγχρονων και αποτελεσματικών εργαλείων ανάλυσης ικανών για αναγνώριση και στην συνέχεια ταξινόμηση κακόβουλου λογισμικού με όσο το δυνατόν λιγότερες απαιτήσεις τόσο σε χρόνο όσο και σε υπολογιστικό κόστος. Στην παρούσα διπλωματική εργασία αναπτύχθηκε μια μεθοδολογία εντοπισμού κακόβουλου λογισμικού με στατική ανάλυση χρησιμοποιώντας ένα νέο και ισχυρό εργαλείο ανοιχτού κώδικα, το Ghidra. Στην αρχή της παρούσας εργασίας περιγράφονται γενικότερα οι τρόποι ανάλυσης τέτοιων προγραμμάτων καθώς και γνωστά εργαλεία που χρησιμοποιούνται για στατική ανάλυση. Στη συνέχεια, περιγράφεται το κακόβουλο λογισμικό σημείου πώλησης Dexter και η διαδικασία που ακολουθήθηκε για την ανίχνευση του. Τέλος, παρουσιάζονται τα δεδομένα και τα συμπεράσματα που εξάγονται από την ανάλυση. The ever-increasing use of the Internet is inseparably linked with the growing of electronic crime and cyber-attacks committed. The malware is one of the most significant indictment of such attacks resulting in a severe threat for the safety of the computational systems let alone its users. Therefore, the use of state of the art and effective analyzing tools is imperative which will enable the users to acclaim and then assort the malware with the least requirements regarding time and calculating cost. At this thesis a malware detection methodology was developed with static analysis by employing a new powerful open source tool named Ghidra. Firstly, at the beginning of this thesis the methods of analyzing such programs are described as well as the established tools which are used for static analysis. Secondly, the Dexter point-of-sale malware is described and the procedure which followed in order to detect it. Finally, the data and the conclusion that are deducted from the analysis are presented. 2021-07-02T16:33:54Z 2021-07-02T16:33:54Z 2021-07-01 http://hdl.handle.net/10889/14897 gr application/pdf |
| institution |
UPatras |
| collection |
Nemertes |
| language |
Greek |
| topic |
Κακόβουλο λογισμικό Στατική ανάλυση Εργαλεία στατικής ανάλυσης Κυβερνοασφάλεια Malware Static analysis Static code analysis tools Cybersecurity Ghidra |
| spellingShingle |
Κακόβουλο λογισμικό Στατική ανάλυση Εργαλεία στατικής ανάλυσης Κυβερνοασφάλεια Malware Static analysis Static code analysis tools Cybersecurity Ghidra Βασιλάκη, Όλγα Αναγνώριση κακόβουλου λογισμικού με στατική ανάλυση |
| description |
Η ολοένα αυξανόμενη χρήση του διαδικτύου είναι άρρηκτα συνδεδεμένη με τον αναπτυσσόμενο ρυθμό τέλεσης ηλεκτρονικών εγκλημάτων και κυβερνοεπιθέσεων. Το κακόβουλο λογισμικό είναι μια από τις πιο σημαντικές κατηγορίες τέτοιων επιθέσεων αποτελώντας σοβαρή απειλή για την ασφάλεια των υπολογιστικών συστημάτων και κατ’ επέκταση για τους χρήστες τους. Για τον λόγο αυτό είναι επιτακτική η ανάγκη χρήσης σύγχρονων και αποτελεσματικών εργαλείων ανάλυσης ικανών για αναγνώριση και στην συνέχεια ταξινόμηση κακόβουλου λογισμικού με όσο το δυνατόν λιγότερες απαιτήσεις τόσο σε χρόνο όσο και σε υπολογιστικό κόστος. Στην παρούσα διπλωματική εργασία αναπτύχθηκε μια μεθοδολογία εντοπισμού κακόβουλου λογισμικού με στατική ανάλυση χρησιμοποιώντας ένα νέο και ισχυρό εργαλείο ανοιχτού κώδικα, το Ghidra. Στην αρχή της παρούσας εργασίας περιγράφονται γενικότερα οι τρόποι ανάλυσης τέτοιων προγραμμάτων καθώς και γνωστά εργαλεία που χρησιμοποιούνται για στατική ανάλυση. Στη συνέχεια, περιγράφεται το κακόβουλο λογισμικό σημείου πώλησης Dexter και η διαδικασία που ακολουθήθηκε για την ανίχνευση του. Τέλος, παρουσιάζονται τα δεδομένα και τα συμπεράσματα που εξάγονται από την ανάλυση. |
| author2 |
Vasilaki, Olga |
| author_facet |
Vasilaki, Olga Βασιλάκη, Όλγα |
| author |
Βασιλάκη, Όλγα |
| author_sort |
Βασιλάκη, Όλγα |
| title |
Αναγνώριση κακόβουλου λογισμικού με στατική ανάλυση |
| title_short |
Αναγνώριση κακόβουλου λογισμικού με στατική ανάλυση |
| title_full |
Αναγνώριση κακόβουλου λογισμικού με στατική ανάλυση |
| title_fullStr |
Αναγνώριση κακόβουλου λογισμικού με στατική ανάλυση |
| title_full_unstemmed |
Αναγνώριση κακόβουλου λογισμικού με στατική ανάλυση |
| title_sort |
αναγνώριση κακόβουλου λογισμικού με στατική ανάλυση |
| publishDate |
2021 |
| url |
http://hdl.handle.net/10889/14897 |
| work_keys_str_mv |
AT basilakēolga anagnōrisēkakobouloulogismikoumestatikēanalysē AT basilakēolga malwaredetectionthroughstaticanalysis |
| _version_ |
1771297245630562304 |
