ارائه یک روش کارآمد برای تشخیص و تحلیل بدافزارهای اندروید با یادگیری¬ماشین

نوع: Type: پایان نامه

مقطع: Segment: کارشناسی ارشد

عنوان: Title: ارائه یک روش کارآمد برای تشخیص و تحلیل بدافزارهای اندروید با یادگیری¬ماشین

ارائه دهنده: Provider: آرزو یاوری یگانگی - رشته کامپیوتر

اساتید راهنما: Supervisors: دکتر مهدی سخائی نیا

اساتید مشاور: Advisory Professors: دکتر محرم منصوری زاده

اساتید ممتحن یا داور: Examining professors or referees: دکتر یوسف صنعتی، دکتر رضا محمدی

زمان و تاریخ ارائه: Time and date of presentation: 24 مهر 1402 ساعت 18:30

مکان ارائه: Place of presentation: کلاس 27

چکیده: Abstract: با افزایش استفاده از دستگاه¬های تلفن همراه، حمله¬ی بدافزارها به¬خصوص در تلفن¬های اندرویدی که سهم زیادی از بازار را به خود اختصاص می¬دهند، افزایش می¬یابد. هکرها سعی می¬کنند با روش¬های مختلف مانند سرقت اعتبار، نظارت و تبلیغ¬های مخرب به تلفن¬های هوشمند حمله ¬کنند. برنامه¬های مخربی نیز وجود دارد که روبه گسترش هستند و به‌اصطلاح به آن¬ها بدافزار گفته¬ می¬شود که می¬توانند اطلاعات مهم کاربران را بدزدند، بدون اجازه¬ی کاربر تماس برقرار کنند و پیام بفرستند. ازاین‌رو راهکارهای بسیار زیادی برای کشف این بدافزارها به وجود آمده است که با استفاده از تحلیل ایستای کدهای برنامه¬ها و بررسی مجوز¬های داده‌شده و یا تحلیل پویا و اجرای برنامه¬ها و بررسی رفتار برنامه و یا ترکیبی از این دو روش می¬توان بدافزارها را شناسایی ¬کرد و مشخصه¬های اصلی برنامه¬ها را موردبررسی قرارداد. در میان اقدامات متقابل متعدد، روش¬های مبتنی بر یادگیری ماشین به¬عنوان وسیله¬ای مؤثر برای تشخیص این حمله¬ها شناخته‌شده¬ است، زیرا آن¬ها می¬توانند مجموعه¬ای از مثال¬های آموزشی را طبقه¬بندی کنند، بنابراین نیازی به تعریف صریح امضاء ندارند. در این پایان¬نامه، از یک مجموعه داده دارای 5560 بدافزار، 10 بار به‌صورت تصادفی 100 بدافزار انتخاب‌شده‌اند و هر بار از هریک از این مجموعه 100تایی بدافزارها به همراه 2201 برنامه کاربردی سالم ویژگی¬های آن¬ها جمع¬آوری می¬شود و سپس این ویژگی¬ها به الگوریتم¬های یادگیری ماشین داده¬ می¬شوند. تا بین بدافزارها و برنامه¬های کاربردی سالم تمایز قائل شود.

فایل: ّFile: تنزيل فایل