Analiza zlonamjernih programa operacijskog sustava Android tehnikama strojnog učenja

diplomski rad

• Naslov (engleski): Analysis of Android Malware using Machine Learning Techniques
• Autor: Tomislav Gudelj
• Mentor: Ante Đerek (mentor)
• Član povjerenstva: Ante Đerek (predsjednik povjerenstva)
• Član povjerenstva: Stjepan Groš (član povjerenstva)
• Član povjerenstva: Željka Mihajlović (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2017-07-04, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Android operacijski sustav je besplatan i otvoren za korištenje te je jedan od najkorištenijih sustava u današnjem svijetu mobilnih uređaja. Ujedno je i vrlo česta meta napadača koji žele narušiti sigurnost sustava u svrhu ostvarenja vlastite koristi. Utrka sigurnosnih mehanizama i napadača se podigla na višu razinu, na kojoj se koriste sve složenije tehnike prikrivanja, ali i otkrivanja malicioznih aktivnosti.

U ovom su radu proučeni sustavi koji na efikasan način analiziraju i detektiraju Android zlonamjerne aplikacije tehnikama strojnog učenja. Po uzoru na takve sustave je izgrađen sustav koji sličnim metodama analizira i detektira Android zlonamjerne aplikacije. Za izgradnju vektorskog prostora su korištene značajke dobivene statičkom analizom, a vektori značajki, koji predstavljaju primjere ugrađene u vektorski prostor, su korišteni za učenje i vrednovanje modela. Izgrađeni modeli služe i za detekciju proizvoljne Android aplikacije, što je dodatna komponenta izgrađenog sustava.

Sažetak (engleski)

Android operation system is free, open source, and one of the most commonly used mobile operating systems.
At the same time, it is a common target of attackers, who make profit by violating system security.
Competition between security mechanisms and attackers has reached a new level, with more complex obfuscation techinques, as well as
malicious software detection techiques being used.

This paper studies systems which efficiently analize and detect malicious Android applications using machine learning techniques.
Furthermore, on their example, new system, which uses similar methods to analize and detect malicious Android applications, has been built.
Features extracted by static analysis have been used for vector space embedding. Feature vectors, which represent examples built in vector space, are used
for model learning and evaluation. Built models can also be used to detect arbitrary Android applications, which is an additional component of built system.

• Ključne riječi: Android; sigurnost sustava mobilnih uređaja; statička analiza; dinamička analiza; detekcija zlonamjernih aplikacija; strojno učenje; klasifikatori; tehnike prikrivanja
• Ključne riječi (engleski): Android; mobile security; static analysis; dynamic analysis; malware detection; machine learning; classifiers; obfuscation techniques
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:339710
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2019-03-13 20:42:56