Show simple item record

dc.contributor.advisorAkagündüz, Sevil Şen
dc.contributor.authorCavlı, Ömer Faruk Turan
dc.date.accessioned2021-11-25T07:20:25Z
dc.date.issued2021-12-31
dc.date.submitted2021-06-01
dc.identifier.citationCavlı Ömer Faruk Turan, Hibrit Analiz Kullanarak Android Kötücül Yazılım Aile Sınıflandırması. Yüksek Lisans Tezi. Hacettepe Üniversitesi, 2021.tr_TR
dc.identifier.urihttp://hdl.handle.net/11655/25645
dc.description.abstractWith the developments in mobile and wireless technology, mobile devices have become an important part of our lives. While Android is the leading operating system in the market share, it is also the most targeted platform by attackers.While there have been many solutions proposed for detection of Android malware in the literature, the family classification of detected malicious applications becomes important, especially where the number of mobile malware variants increases everyday in the market. In this study, a solution based on machine learning and hybrid analysis is proposed for the Android malware familial classification problem. An extensive feature set including network related features and activity bigrams is proposed. The effective static and dynamic analysis features are studied thoroughly and evaluated on Malgenome, Drebin and UpDroid datasets.tr_TR
dc.language.isoturtr_TR
dc.publisherFen Bilimleri Enstitüsütr_TR
dc.rightsinfo:eu-repo/semantics/openAccesstr_TR
dc.subjectAndroidtr_TR
dc.subjectMobil güvenliktr_TR
dc.subjectZararlı yazılım analizi ve tespititr_TR
dc.subjectAile sınıflandırmasıtr_TR
dc.subjectMakine öğrenmesitr_TR
dc.subjectStatik analiztr_TR
dc.subjectDinamik analiztr_TR
dc.subjectHibrit analiztr_TR
dc.subject.lcshBilgisayar mühendisliğitr_TR
dc.titleHibrit Analiz Kullanarak Android Kötücül Yazılım Aile Sınıflandırmasıtr_TR
dc.title.alternativeAndroıd Malware Famıly Classıfıcatıon By Usıng Hybrıd Analysıstr_en
dc.typeinfo:eu-repo/semantics/masterThesistr_TR
dc.description.ozetMobil ve kablosuz teknolojideki gelişmelerle birlikte mobil cihazlar hayatımızın önemli bir parçası haline gelmiştir. Android işletim sistemi, mobil cihaz kullanıcı kitlesi içerisinde en çok kullanılan işletim sistemi olurken, saldırganlar tarafından da en çok hedef alınan platformdur. Literatürde Android kötücül yazılımlarının tespiti için birçok yöntem önerilmiş olsa da tespit edilen kötücül Android uygulamaların zararlı yazılım aile sınıflandırması, özellikle bu ekosistemde her gün mobil kötücül yazılım varyantlarının sayısının arttığı durumlarda büyük önem kazanmaktadır. Bu çalışmada, Android kötücül aile sınıflandırma problemi için makine öğrenmesine ve hibrit analize dayalı bir yöntem önerilmiştir. Android kötücül yazılım uygulamaları için, hibrit yaklaşım kullanılarak; ağ trafik analizi, uygulamaların cihazda gerçekleştirdiği aktivitelerin ardışık ikili sırasını içeren bilgiler ile öznitelik vektör uzayı genişletilerek kötücül yazılım aile sınıflandırması yöntemi önerilmiştir. Statik ve dinamik analizler ile çıkarılan öznitelikler üzerinde çalışılmış ve yaygın olarak kullanılan Malgenome, Drebin ve UpDroid zararlı yazılım veri kümeleri üzerinde sonuçlar elde edilerek değerlendirilmiştir.tr_TR
dc.contributor.departmentBilgisayar Mühendisliğitr_TR
dc.embargo.termsAcik erisimtr_TR
dc.embargo.lift2021-11-25T07:20:25Z
dc.fundingYoktr_TR
dc.subtypepresentationtr_TR


Files in this item

This item appears in the following Collection(s)

Show simple item record