Klasifikacija zloćudnih programa primjenom dubokog učenja

diplomski rad

• Naslov (engleski): Malware Classification Based on Deep Learning
• Autor: Ivona Brajdić
• Mentor: Zoran Kalafatić (mentor)
• Član povjerenstva: Zoran Kalafatić (predsjednik povjerenstva)
• Član povjerenstva: Tomislav Hrkać (član povjerenstva)
• Član povjerenstva: Stjepan Groš (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2019-07-11, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Zloćudni programi problem su svakog korisnika Interneta, a sve su brojniji i mogu izazvati veliku štetu. Godišnje se otkriju stotine milijuna novih varijanti zloćudnih programa, a praćenje istih postaje sve kompliciranije. Međutim, nove varijante zloćudnih programa najvećim dijelom nastaju kao manje modifikacije već poznatih programa. Napadači tako pokušavaju izbjeći njihovu detekciju uz jednaku funkcionalnost. Zbog toga se pojavila potreba svrstavanja zloćudnih programa u obitelji, odnosno grupe programa čija je funkcionalnost međusobno jednaka, no datoteke su naizgled različite. Ovaj rad bavi se problematikom svrstavanja zloćudnih programa u obitelji, primjenom vizualizacije njihovog binarnog koda te klasifikacijom dobivenih slika konvolucijskom neuronskom mrežom. Istražuju se prednosti i nedostaci ovakvog pristupa kroz implementaciju vizualizacije i klasifikacije te evaluaciju klasifikatora.

Sažetak (engleski)

Nearly every Internet user has come across a malicious program at least once. Malware can cause financial damage and invade people's privacy. Research has shown that hundreds of millions of new malware variants are discovered each year and detecting them is becoming more complicated. However, most of these new variants are just modifications of existing malicious programs. Attackers modify malware in order to avoid detection, which results in many seemingly different files that have the same behaviour. In order to be effective in analyzing and classifying these files, we should be able to group them and identify their respective families. This thesis discusses the method of malware binary visualization following with a convolutional neural network that predicts the family to which the malware belongs.

• Ključne riječi: Zloćudni program; duboko učenje; konvolucijske neuronske mreže; klasifikacija; vizualizacija
• Ključne riječi (engleski): Malware; deep learning; convolutional neural network; classification; visualization
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:332368
• 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: 2020-01-07 16:58:47