Sustav za otkrivanje zloćudnih programa uz pomoć strojnog učenja

master's thesis

• Title (english): Malware detection system with machine learning
• Author: Bojan Novković
• Mentor: Marin Golub (mentor)
• Committee member: Marin Golub (predsjednik povjerenstva)
• Committee member: Ante Đerek (član povjerenstva)
• Committee member: Marko Đurasević (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2020-07-08, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing

Abstract

Nagli razvoj Interneta u zadnjem desetljeću doveo je do eksponencijalnog rasta
zlonamjernih programa i napada koji je ozbiljno zaprijetio tradicionalnim tehnikama
otkrivanja zlonamjernih programa. Pravovremeno otkrivanje često nije moguća zbog
vrlo male ili nepostojeće sposobnosti otkrivanja novih, dosad neviđenih zlonamjernih
programa i zbog neučinkovitih mehanizama distribucije znanja o novopronad̄enim zlonamjernim programima. Strojno učenje omogućuje učinkovito i precizno izvlačenje
znanja iz velikog skupa podataka, a primijenjeno na područje otkrivanja zlonamjernih
programa pokazuje bolje rezultate od tradicionalnih tehnika otkrivanja zlonamjernih
programa. U sklopu ovog rada istražene su i programski ostvarene razne tehnike određivanja značajki iz izvršnih programa i metrike za kontinuiranu evaluaciju performansi
modela strojnog učenja za otkrivanje zloćudnih programa.

Abstract (english)

The rapid rise of malicious executables poses a significant threat to traditional
malware detection techniques. Real-time detection is often impossible due to the inability of recognizing new, previously unseen samples. Machine learning provides efficient and accurate information extraction from a large set of samples. The application
of machine learning techniques for malware detection has yielded better results than
traditional detection techniques. This paper gives an insight into the details of various
feature extraction techniques used for executable programs and evaluates their performance using similarity based metrics suitable for continuous performance monitoring.

• Keywords: Računalna sigurnost; strojno učenje; zloćudni programi
• Keywords (english): Cybersecurity; machine learning; malware
• Language: croatian
• URN:NBN: urn:nbn:hr:168:360088
• Study programme: Title: Computing; Study programme type: university; Study level: graduate; Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2023-01-13 13:21:02