Abstract
Android cihazların hayatın içinde daha çok yer alması kötü amaçlı yazılımların da hedefi haline gelmesine sebep olmuştur. Kötü amaçlı yazılımların tespit edilmesi ve bu yazılımlardan doğacak kayıpların ve zararların önlenmesi önem arz etmektedir. Bu amaçla kötü amaçlı yazılım tespitine yönelik çeşitli çalışmalar yapılmaktadır. Son zamanlarda görüntüye dayalı yöntemler ve makine öğrenmesi çalışmaları ön plana çıkmaktadır. Bu çalışmalarda statik ve dinamik analizde kullanılan ikili dosyalar görüntü dosyalarına çevrilmektedir. Görüntülerden çıkarılan global ve yerel özellikler çeşitli makine öğrenmesi metotları ile sınıflandırılmaktadır. Bu çalışmada malimg veri seti üzerinde global özellikler çıkarılarak (2000, 532) boyunda bir özellik matrisi elde edilmiştir. Ve bu özellikler makine öğrenme yöntemleri(LR, LDA, KNN, CART, RF, NB, SVM) kullanılarak sınıflandırılmıştır. Sonuçlar K-kat çaprazlama doğrulama yöntemi değerlendirilerek knn ile %96,72 RF ile en yüksek %97,44 doğruluk oranı elde edilmiştir.
Publisher
Journal of the Faculty of Engineering and Architecture of Gazi University
Subject
General Engineering,Architecture
Reference42 articles.
1. [1] Cook S., Malware statistics and facts for 2021. Comparitech https://www.comparitech.com/antivirus/malware-statistics-facts/. Güncelleme Tarihi.Şubat 12, 2021. Erişim Tarihi Nisan 20,2021.
2. [2] Sağıroğlu Ş.,Bulut H.,An Analysıs Of Informatıon And Telecommunıcatıon Securıty In Mobıle Envıronments, Journal Of The Faculty Of Engıneerıng And Archıtecture Of Gazı Unıversıty , Vol.24, No.3, Pp.499-507, 2009
3. [3] Yajamanam S., Selvin V. R. S., Troia F. D. and Stamp M.,Deep Learning versus Gist Descriptors for Image-based Malware Classification, In Proceedings of the 4th International Conference on Information Systems Security and Privacy (ICISSP 2018), Funchal-Madeira-Portuga, 553-561,22-24 Ocak, 2018
4. [4] Bhodia N., Prajapati P., Troia F. D. and Stamp M., Transfer Learning for Image-Based Malware Classification. https://arxiv.org/abs/1903.11551.Yayınlanma Tarihi Ocak 21, 2019.Erişim Tarihi Nisan 22,2021.
5. [5] Ünver H. M., Bakour K., Android malware detection based on image‑based features and machine learning techniques. SN Applied Sciences (2020) 2:1299.2020. | https://doi.org/10.1007/s42452-020-3132-2
Cited by
1 articles.
订阅此论文施引文献
订阅此论文施引文献,注册后可以免费订阅5篇论文的施引文献,订阅后可以查看论文全部施引文献