Kötü amaçlı yazılımların transformer modelleriyle tespiti: 1B verilerin 2B barkod türlerine dönüştürülmesi
Detecting malware using transformer models: converting 1B data into 2B barcode formats
- Tez No: 1017426
- Danışmanlar: DOÇ. DR. MESUT TOĞAÇAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgi ve Belge Yönetimi, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Information and Records Management, Computer Engineering and Computer Science and Control, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Teknoloji ve Bilgi Yönetimi Ana Bilim Dalı
- Bilim Dalı: Teknoloji ve Bilgi Yönetimi Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Dijital teknolojilerin gelişmesi ve internet tabanlı sistemlerin yaygınlaşmasıyla birlikte kötü amaçlı yazılımlar siber güvenlik açısından önemli tehditlerden biri hâline gelmiştir. Geleneksel imza tabanlı yöntemler, özellikle yeni nesil ve karmaşık yapıya sahip zararlı yazılımların tespitinde yeterli performans gösterememektedir. Bu nedenle son yıllarda yapay zekâ ve derin öğrenme tabanlı yaklaşımların kötü amaçlı yazılım analizinde daha yaygın şekilde kullanılmaya başlandığı görülmektedir. Bu tez çalışmasında, kötü amaçlı yazılımların tespitine yönelik olarak bir boyutlu veri yapılarının iki boyutlu barkod türlerine dönüştürülmesine dayalı bir yaklaşım önerilmiştir. Çalışma kapsamında SOMLAP veri seti kullanılmış ve veri setinde yer alan zararlı yazılım verileri QR kod ve Aztec barkod yapılarına dönüştürülerek görsel veri temsilleri elde edilmiştir. Oluşturulan bu görüntüler üzerinden DeiT3, MaxViT ve Swin Transformer modelleri kullanılarak özellik çıkarımı gerçekleştirilmiştir. Elde edilen özellikler daha sonra K-En Yakın Komşu (KNN) ve Destek Vektör Makineleri (SVM) sınıflandırıcıları ile analiz edilmiştir. Gerçekleştirilen deneysel çalışmalar sonucunda, barkod tabanlı görsel temsillerin kötü amaçlı yazılımların ayırt edilmesinde etkili sonuçlar sunduğu belirlenmiştir. Özellikle transformer tabanlı modellerin çok ölçekli örüntüleri öğrenebilme yeteneği sayesinde başarılı sınıflandırma performansları elde edilmiştir. Modellerin performans değerlendirmeleri doğruluk, hassasiyet, duyarlılık ve F1-skoru gibi ölçütler kullanılarak gerçekleştirilmiştir. Elde edilen bulgular doğrultusunda, bir boyutlu verilerin iki boyutlu barkod temsillerine dönüştürülmesi ve transformer tabanlı modeller ile birlikte değerlendirilmesinin kötü amaçlı yazılım tespitinde etkili bir yaklaşım sunduğu görülmüştür. Ayrıca çalışmanın, barkod tabanlı görselleştirme yöntemlerinin siber güvenlik alanında kullanımına yönelik literatüre katkı sağlayacağı değerlendirilmektedir.
Özet (Çeviri)
With the advancement of digital technologies and the widespread adoption of internet-based systems, malware has become one of the major threats to cybersecurity. Traditional signature-based methods are unable to perform adequately, particularly in detecting new-generation and complex malware. For this reason, in recent years, approaches based on artificial intelligence and deep learning have begun to be used more widely in malware analysis. In this thesis study, an approach based on converting one-dimensional data structures into two-dimensional barcode types is proposed for the detection of malware. The SOMLAP dataset was used in this study, and the malware data within the dataset were converted into QR code and Aztec barcode structures to obtain visual data representations. Feature extraction was performed using the DeiT3, MaxViT, and Swin Transformer models on these generated images. The extracted features were then analyzed using K-Nearest Neighbors (KNN) and Support Vector Machines (SVM) classifiers. The results of the experimental studies conducted indicate that barcode-based visual representations are effective in distinguishing malware. In particular, successful classification performance was achieved thanks to the ability of transformer-based models to learn multi-scale patterns. The models' performance was evaluated using metrics such as accuracy, precision, recall, and F1-score. Based on the findings, it was observed that converting one-dimensional data into two-dimensional barcode representations and evaluating them in conjunction with transformer-based models offers an effective approach for malware detection. Additionally, it is anticipated that this study will contribute to the literature regarding the application of barcode-based visualization methods in the field of cybersecurity.
Benzer Tezler
- ODTÜ Beden Eğitimi ve Spor bölümü 1985-1986 programının öğrencilerin fizyolojik kapasitelerine etkisi
Başlık çevirisi yok
ALİ AHMET DOĞAN
Yüksek Lisans
Türkçe
1986
Eğitim ve ÖğretimGazi ÜniversitesiBeden Eğitimi ve Spor Ana Bilim Dalı
DOÇ. DR. EYYUP GÜNAY İSBİR
- Le Theme de la solitude dans les fleurs du mal de baudelaire
Başlık çevirisi yok
MEHMET NEDİM KULA
Yüksek Lisans
Fransızca
1986
Fransız Dili ve EdebiyatıCumhuriyet ÜniversitesiBatı Dilleri ve Edebiyatları Ana Bilim Dalı
- La Technique de persuasion dans I'Emile de Jean-Jacques Rousseau
Başlık çevirisi yok
DURAN NEMUTLU
Doktora
Fransızca
1985
Fransız Dili ve EdebiyatıCumhuriyet ÜniversitesiFransız Dili Eğitimi Ana Bilim Dalı
DOÇ. DR. MEHMET YALÇIN
- İzmir yöresindeki süt sığırcılığı işletmelerinde sağımı yemleme ve temizlemeye ilişkin uygulamaların mekanizasyon işletmeciliği açısından irdelenmesi
Başlık çevirisi yok
ENGİN ÇAKIR
Yüksek Lisans
Türkçe
1986
ZoolojiEge ÜniversitesiTarımsal Mekanizasyon Ana Bilim Dalı
PROF.DR. RAUF UÇUCU