Detekcija centara za zapovijedanje i nadzor zloćudnih programa

završni rad

• Naslov (engleski): Detection of malware command and control centers
• Autor: Tomislav Babić
• Mentor: Ante Đerek (mentor)
• Član povjerenstva: Ante Đerek (predsjednik povjerenstva)
• Član povjerenstva: Petar Paradžik (član povjerenstva)
• Član povjerenstva: Rudolf Lovrenčić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2020-07-07, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Algoritamski generirane domene ključne su za komunikaciju zloćudnih programa s centrima za zapovijedanje i nadzor. Zbog toga je njihova detekcija od velike važnosti za računalnu sigurnost. U ovom završnom radu iznesen je kratki pregled načina korištenja algoritamski generiranih domena u zloćudnim programima. Nakon toga razmotrena je primjena dubokog učenja za detekciju algoritamski generiranih domena. Napravljena je usporedba dva različita modela dubokog učenja na dva različita skupa podataka. Na temelju dobivenih rezultata zaključeno je da obje arhitekture imaju veliku točnost i mogu se koristiti za detekciju algoritamski generiranih domena. Međutim, arhitekture imaju značajnu razliku u vremenu potrebnom za treniranje dok razlika u točnosti nije značajna. Zbog toga, kod korištenja dubokog učenja za detekciju algoritamski generiranih domena, treba dati prednost modelima koji imaju kraće vrijeme treniranja.

Sažetak (engleski)

Algorithmically generated domains are key for communication between malicious programs and their command and control centers. Therefore, their detection is of the utmost importance for cybersecurity. In this bachelor’s thesis, I first give a short overview of how domain generation algorithms enable communication between malicious software and their command and control centers. After that, I considered the possibility of applying deep learning to this problem. Two different deep learning models were compared on two different domain datasets. Results show that both models have high accuracy and that they can be used for the detection of algorithmically generated domains. Since there is a significant difference in training times between the models, without any significant difference in accuracy, when choosing which model to use preference should be given to ones with shorter training times.

• Ključne riječi: algoritam za generiranje domena; algoritamski generirane domene; duboko učenje; zloćudni programi; računalna sigurnost
• Ključne riječi (engleski): domain generation algorithm; algorithmically generated domains; deep learning; cybersecurity
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:298756
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-14 08:20:21