Geri Dön

Random capsule network (CAPSNET) forest model for imbalanced malware type classification task

Dengesiz sınıf dağılımına sahip kötü amaçlı yazılım sınıflandırma görevi ̇için rassal kapsül ağı (CAPSNET) orman modeli

PDF İndir

  1. Tez No: 700374
  2. Yazar: AYKUT ÇAYIR
  3. Danışmanlar: PROF. DR. HASAN DAĞ
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: Kadir Has Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Kötü amaçlı yazılımın davranışı, sistem koruma yazılımının stratejilerini etkileyen kötü amaçlı yazılım türlerine bağlı olarak değişir. Yapay ve/veya derin öğrenme ile güçlendirilmiş bir ̧cok kötü amaçlı yazılım sınıflandırma modeli, kötü amaçlı yazılım türlerini tahmin etmek için üstün doğruluklar elde eder. Yapay öğrenme tabanlı modeller performanslarını büyük ölçüde etkileyen ağır öznitelik mühendisliği çalışmalarına ihtiyaç duyarlar. ̈Ote yandan, derin öğrenme tabanlı modeller, yapay öğrenme tabanlı modellere kıyasla öznitelik mühendisliğine daha az ihtiyaç duyarlar. Bununla birlikte, geleneksel derin öğrenme mimarilerinin maksimum ve ortalama havuzlama gibi bileşenleri, mimarinin daha karmaşık olmasına ve modellerin verilere daha duyarlı olmasına neden olur. Kapsül ağ mimarileri ise havuzlama bileşenlerini ortadan kaldırarak yukarıda bahsedilen karmaşıklıkları azaltır. Ek olarak, kapsül ağ mimarisi tabanlı modeller, klasik evrişimli sinir ağı mimarilerinin aksine verilere daha az duyarlıdır. Bu tez, rastgele örnekleme toplama tekniğine dayalı bir topluluk kapsül ağı modeli ̈onermektedir. ̈Onerilen yöntem, en son sonuçlarının iyi bilindiği ve karşılaştırma amacıyla kullanılabilecek, yaygın olarak kullanılan, oldukça dengesiz iki veri kümesi (Malimg ve BIG2015) ̈uzerinde test edilmiştir. ̈Onerilen model, BIG2015 veri kümesi için 0.9820 olan en yüksek F-Skoruna ve Malimg veri kümesi için 0.9661 olan F-Skoruna ulaşmaktadır. Modelimiz aynı zamanda literatürdeki en iyi modele göre %99,7 daha az eğitilebilir parametre kullanarak en son teknolojiye ulaşmaktadır.

Özet (Çeviri)

Behavior of malware varies depending the malware types, which affect the strategies of the system protection software. Many malware classification models, empowered by machine and/or deep learning, achieve superior accuracy for predicting malware types. Machine learning-based models need to do heavy feature engineering work, which affects the performance of the models greatly. On the other hand, deep learning-based models require less effort in feature engineering when compared to that of the machine learning-based models. However, traditional deep learning architectures' components, such as max and average pooling, cause architecture to be more complex and the models to be more sensitive to data. The capsule network architectures, on the other hand, reduce the aforementioned complexities by eliminating the pooling components. Additionally, capsule network architectures based models are less sensitive to data, unlike the classical convolutional neural network architectures. This thesis proposes an ensemble capsule network model based on the bootstrap aggregating technique. The proposed method is tested on two widely used, highly imbalanced datasets (Malimg and BIG2015), for which the-state-of-the-art results are well-known and can be used for comparison purposes. The proposed model achieves the highest F-Score, which is 0.9820, for the BIG2015 dataset and F-Score, which is 0.9661, for the Malimg dataset. Our model also reaches the-state-of-the-art, using 99.7% lower the number of trainable parameters than the best model in the literature.

Benzer Tezler

  1. Tez No

    646994

    Mining colonoscopy images for abnormality detection

    Anormallik tespiti için veri madenciliği

    RUKİYE NUR KAÇMAZ

    Doktora

    İngilizce

    İngilizce

    2020

    Elektrik ve Elektronik MühendisliğiAbdullah Gül Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. BÜLENT YILMAZ

  2. Tez No

    612752

    In-body antenna design for capsule endoscopy applications

    Kapsül endoskopi uygulamaları için vücut içi anten tasarımı

    EMRE GÜREŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÖZGÜR ÖZDEMİR

  3. Tez No

    70641

    Doku genişletme (Tissue expansion) tekniğinin deri lenf akımı ve lenfatikler üzerine etkileri

    The Effects of tissue expansion on skin lymph flow and lymphatics

    ALİ RIZA ERÇÖÇEN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    1998

    Plastik ve Rekonstrüktif CerrahiAnkara Üniversitesi

    Plastik ve Rekonstrüktif Cerrahi Ana Bilim Dalı

    PROF. DR. MUSTAFA RIZA ÖZBEK

  4. Tez No

    641193

    Çukurova koşullarında çörekotu (Nigella sativa L.) 'nda organik ve ticari gübre uygulamalarının verim ve kalite üzerine etkileri

    The effect of different organic fertilizer applications on yield and quality in black cumin (Nigella sativa L.) plant growed in çukurova conditions

    AYŞE SAĞLIK

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    ZiraatÇukurova Üniversitesi

    Tarla Bitkileri Ana Bilim Dalı

    PROF. DR. SALİHA KIRICI

  5. Tez No

    577010

    Mikro besin elementi uygulamalarının aspir bitkisinin (Carthamus tinctorius L.) tohum verimi ve bazı kalite özelliklerine etkisi

    Effects of micro-nutrients applications on yield and some quality traits of safflower (Carthamus tinctorius L.)

    SELİN ASLI ADIYAMAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    ZiraatTekirdağ Namık Kemal Üniversitesi

    Tarla Bitkileri Ana Bilim Dalı

    PROF. DR. BURHAN ARSLAN

Geri Dön