Malware detection in IoTs using deep sparse auto encoders with signal processing techniques
Başlık çevirisi mevcut değil.
- Tez No: 713038
- Danışmanlar: DR. ÖĞR. ÜYESİ AHAD ARDABILI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Elektrostatik deşarj, Otokodlayıcılar, Softmax fonksiyonu, Electrostatic discharge, Autoencoders, Softmax function
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, IoT'lerde kötü amaçlı yazılım tespiti için yeni bir yaklaşım, derin öğrenme tekniğine dayalı olarak sunulmuştur. Önerilen yöntemi değerlendirmek için çeşitli senaryolar sunulmuştur. Bu çalışmanın amacı, derin öğrenme tekniği otomatik kodlayıcıların sinyal işleme tekniği ile en iyi kombinasyonunu seçmektir. İlk senaryoda, kötü amaçlı yazılım saldırılarını tespit etmek için yalnızca bir otomatik kodlayıcı tabanlı SoftMax sunuldu ve yalnızca %82 doğruluk sundu. Ardından, SoftMax tabanlı derin iki seyrek otomatik kodlayıcı sunuldu ve yalnızca %89 doğruluk sundu. Ayrıca, IoT'lerde kötü amaçlı yazılım saldırılarını tespit etmek için WT tabanlı derin seyrek otomatik kodlayıcılar tabanlı SoftMax uygulandı ve %97 doğruluk sundu. Ardından, kötü amaçlı yazılım saldırılarını tespit etmek için ESD tabanlı derin seyrek otomatik kodlayıcılar tabanlı SoftMax uygulandı ve önceki çalışmalarla karşılaştırıldığında yüksek olan %99'luk olağanüstü doğruluk sağladı.
Özet (Çeviri)
In this study, new approach for malware detection In IoTs presented based deep learning technique. Several scenarios presented for evaluate the proposed method. The aim of this study is to select best combination of deep learning technique autoencoders with signal processing technique. In first scenario only one autoencoder based SoftMax presented to detect malware attacks and presented only 82% accuracy. Then, deep two sparse autoencoders presented based SoftMax and presented only 89% accuracy. Furthermore, WT based deep sparse autoencoders based SoftMax applied to detect malware attacks in IoTs and presented 97% accuracy. Then, ESD based deep sparse autoencoders based SoftMax applied to detect malware attack and presented remarkable accuracy 99% accuracy which is high when compared with previous studies.
Benzer Tezler
- Hybrid method based deep belief networks for malware detection in iots
Iot'de kötü yazılım tespiti için hibrit yöntem tabanlı derin inanç ağları
RANYA IHSAN ALI ALLBAN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
YRD. DOÇ. DR. OĞUZ KARAN
- A brief overview of the use of machine learning for network security
Başlık çevirisi yok
ALI OMAR
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ECE GELAL SOYAK
- 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
- Automated detection and classification of malware used in targeted attacks via machine learning
Hedefli saldırılarda kullanılan zararlı yazılımların makine öğrenimi kullanılarak tespiti ve sınıflandırılması
YAKUP KORKMAZ
Yüksek Lisans
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. İBRAHİM KÖRPEOĞLU
- Permission based malware detection analysis in Android applications
Android uygulamalarda kötü amaçlı yazılımların tespit edilmesine yönelik analiz
UĞUR PEHLİVAN
Yüksek Lisans
İngilizce
2014
Bilgi ve Belge YönetimiOrta Doğu Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. NAZİFE BAYKAL