Identifying malware families using pattern matching technique
Kalıp eşleştirme tekniğini kullanarak kötü amaçlı yazılım ailelerini tanımlama
- Tez No: 654752
- Danışmanlar: DOÇ. CİHAN VAROL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Bilgi bilim, Bilgisayar teknolojisi, Bilgisayar yazılım dilleri, Information science, Computer technology, Computer software languages
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bilişim teknolojisinin son on yılda gelişimi, kullanıcıları için özellikle kötü amaçlı yazılım şeklinde tehditler yarattı. Bunun nedeni, siber güvenlik tehditlerinin çoğunun artık kötü amaçlı yazılım uygulamaları olmasıdır. Ayrıca, her gün yeni kötü amaçlı yazılımlar kullanıma sunulmaktadır. Ancak, kötü amaçlı yazılımların çoğu sıfırdan oluşturulmaz. Bu nedenle, bu araştırma tezi kötü amaçlı yazılım ailelerini tanımlamak için dizeleri eşleştirme yöntemlerini tartışmaktadır. Naïve, Rabin – Karp, Brute Force, Knuth – Morris – Pratt ve Boyer – Moore eşleştirme algoritmaları kullanılarak kötü amaçlı yazılımların benzerliği araştırılıp karşılaştırılmıştır. Bu araştırmada, seçilen algoritmaların kötü amaçlı yazılım uygulamaları arasındaki zincir benzerliklerinin tespitinde etkili olduğu kanıtlanmıştır.
Özet (Çeviri)
The evolution of computing technology over the past decade has created threats for its users, especially in the form of malware. This is because most cybersecurity threats are now malware applications. In addition, new malware is being introduced every day. However, most malware is not created from scratch. As such, this research thesis discusses methods of matching strings to identify families of malware. Application programming interface calls were researched and compared using the following five pattern matching algorithms: Naïve, Rabin–Karp, Brute Force, Knuth–Morris–Pratt, and Boyer–Moore. In this research, the chosen algorithms proved effective in detecting chain similarities between malware applications
Benzer Tezler
- Hybrid malware detection and classification in real-time by deep learning techniques
Derin öğrenme teknikleriyle hibrit zararlı yazılım tespiti ve gerçek zamanlı sınıflandırma
HUSSEIN SADRALDEEN HUSSEIN AL-MUSAWI
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ADNAN SAHER MOHAMMED AL-AJEELI
- Convolutional neural network based android malware detection andlocalization
Evrişimli sinir ağları tabanlı android zararlı yazılım tespiti velokalizasyonu
REFİK CAN ÖZTAŞ
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SEVİL ŞEN AKAGÜNDÜZ
- Behavior based malware classification using online machine learning
Başlık çevirisi yok
ABDURRAHMAN PEKTAŞ
Doktora
İngilizce
2015
Bilim ve TeknolojiUnıversıte de GrenobleProf. Dr. JEAN-CLAUDE FERNANDEZ
Dr. TANKUT ACARMAN
- A new frame work based application for malware detection in IoT
Başlık çevirisi yok
MAHMOOD ALAA SADEQ ALHADEETHI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN HÜSEYİN BALIK
- Açık kaynak yazılım projelerinin siber tehditlere karşı çok yönlü güvenlik analizlerinin yapılması
Conducting comprehensive security analyses of open source software projects against cyber threats
MEHMET NARMAN
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSivas Cumhuriyet ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULKADİR ŞEKER