Αποτίμηση μεθόδων μηχανικής μάθησης για ταξινόμηση κακόβουλου λογισμικού
Το κακόβουλο λογισµικό αποτελεί όλο και περισσότερο σηµαντική απειλή για την ασφάλεια των υπολογιστικών συστηµάτων. Μια σύγχρονη προσέγγιση για την ανίχνευση και την κατηγοριοποίηση του, αποτελεί η χρήση µοντέλων µηχανικής µάθησης. Στην παρούσα διπλωµατική εργασία, υλοποιήθηκαν τέσσερα (4) διαφορετι...
Κύριος συγγραφέας: | |
---|---|
Άλλοι συγγραφείς: | |
Γλώσσα: | Greek |
Έκδοση: |
2023
|
Θέματα: | |
Διαθέσιμο Online: | https://hdl.handle.net/10889/25357 |
id |
nemertes-10889-25357 |
---|---|
record_format |
dspace |
spelling |
nemertes-10889-253572023-07-06T03:52:43Z Αποτίμηση μεθόδων μηχανικής μάθησης για ταξινόμηση κακόβουλου λογισμικού Evaluation of machine learning methods for malware classification Μάρκου, Στέφανος Markou, Stefanos Μηχανική μάθηση Κακόβουλο λογισμικό Ember σετ δεδομένων Machine learning Ember dataset Malware software Το κακόβουλο λογισµικό αποτελεί όλο και περισσότερο σηµαντική απειλή για την ασφάλεια των υπολογιστικών συστηµάτων. Μια σύγχρονη προσέγγιση για την ανίχνευση και την κατηγοριοποίηση του, αποτελεί η χρήση µοντέλων µηχανικής µάθησης. Στην παρούσα διπλωµατική εργασία, υλοποιήθηκαν τέσσερα (4) διαφορετικά µοντέλα αυτόµατης ανίχνευσης ϐασισµένα σε δεδοµένα από στατική ανάλυση κακόβουλου λογισµικού. Στην συνέχεια, δοκιµάστηκαν διάφορες τεχνικές επιλογής υπερπαραμέτρων για την κατασκευή τέτοιων µοντέλων, για την αποτίµηση των δυνατοτήτων τους και την εξαγωγή χρήσιµων συµπερασµάτων για την ανίχνευση κακόβουλου λογισµικού. The malicious software is an increasingly important threat to the security of computer systems. A modern approach to its detection and categorization is the use of machine learning models. In this thesis, four (4) different automatic detection models were implemented based on data from static malware analysis. They then tested various hyper parameterization techniques for building such models, disentangling their capabilities, and deriving inferred uses for malware detection. 2023-07-05T09:12:08Z 2023-07-05T09:12:08Z 2023-07-04 https://hdl.handle.net/10889/25357 el CC0 1.0 Universal http://creativecommons.org/publicdomain/zero/1.0/ application/pdf |
institution |
UPatras |
collection |
Nemertes |
language |
Greek |
topic |
Μηχανική μάθηση Κακόβουλο λογισμικό Ember σετ δεδομένων Machine learning Ember dataset Malware software |
spellingShingle |
Μηχανική μάθηση Κακόβουλο λογισμικό Ember σετ δεδομένων Machine learning Ember dataset Malware software Μάρκου, Στέφανος Αποτίμηση μεθόδων μηχανικής μάθησης για ταξινόμηση κακόβουλου λογισμικού |
description |
Το κακόβουλο λογισµικό αποτελεί όλο και περισσότερο σηµαντική απειλή για την ασφάλεια των υπολογιστικών συστηµάτων. Μια σύγχρονη προσέγγιση για την ανίχνευση και την κατηγοριοποίηση του, αποτελεί η χρήση µοντέλων µηχανικής µάθησης. Στην παρούσα διπλωµατική εργασία, υλοποιήθηκαν τέσσερα (4) διαφορετικά µοντέλα αυτόµατης ανίχνευσης ϐασισµένα σε δεδοµένα από στατική ανάλυση κακόβουλου λογισµικού. Στην συνέχεια, δοκιµάστηκαν διάφορες τεχνικές επιλογής υπερπαραμέτρων για την κατασκευή τέτοιων µοντέλων, για την αποτίµηση των δυνατοτήτων τους και την εξαγωγή χρήσιµων συµπερασµάτων για την ανίχνευση κακόβουλου λογισµικού. |
author2 |
Markou, Stefanos |
author_facet |
Markou, Stefanos Μάρκου, Στέφανος |
author |
Μάρκου, Στέφανος |
author_sort |
Μάρκου, Στέφανος |
title |
Αποτίμηση μεθόδων μηχανικής μάθησης για ταξινόμηση κακόβουλου λογισμικού |
title_short |
Αποτίμηση μεθόδων μηχανικής μάθησης για ταξινόμηση κακόβουλου λογισμικού |
title_full |
Αποτίμηση μεθόδων μηχανικής μάθησης για ταξινόμηση κακόβουλου λογισμικού |
title_fullStr |
Αποτίμηση μεθόδων μηχανικής μάθησης για ταξινόμηση κακόβουλου λογισμικού |
title_full_unstemmed |
Αποτίμηση μεθόδων μηχανικής μάθησης για ταξινόμηση κακόβουλου λογισμικού |
title_sort |
αποτίμηση μεθόδων μηχανικής μάθησης για ταξινόμηση κακόβουλου λογισμικού |
publishDate |
2023 |
url |
https://hdl.handle.net/10889/25357 |
work_keys_str_mv |
AT markoustephanos apotimēsēmethodōnmēchanikēsmathēsēsgiataxinomēsēkakobouloulogismikou AT markoustephanos evaluationofmachinelearningmethodsformalwareclassification |
_version_ |
1771297128278130688 |