Detekcija zlonamjernog softvera na Android operacijskom sustavu primjenom dubinskog učenja
U ovom radu dan je kratki pregled arhitekture Android sustava, njegovog sigurnosnog modela, te sigurnosti Android aplikacija. Najveći propust kod sigurnosti su sami korisnici, jer zlonamjerni softver ne može sam od sebe završiti na korisnikovom uređaju, kamoli dobiti sve potrebne dozvole kako bi mog...
Main Author: | |
---|---|
Other Authors: | |
Format: | Master Thesis |
Language: | Croatian |
Published: |
Sveučilište u Splitu. Fakultet elektrotehnike, strojarstva i brodogradnje. Zavod za elektroniku i računarstvo.
2021
|
Subjects: | |
Online Access: | https://zir.nsk.hr/islandora/object/fesb:93 https://urn.nsk.hr/urn:nbn:hr:179:344404 https://repozitorij.svkst.unist.hr/islandora/object/fesb:93 https://repozitorij.svkst.unist.hr/islandora/object/fesb:93/datastream/PDF |
id |
ftnulzagrebzir:oai:zir.nsk.hr:fesb_93 |
---|---|
record_format |
openpolar |
spelling |
ftnulzagrebzir:oai:zir.nsk.hr:fesb_93 2024-01-14T10:10:30+01:00 Detekcija zlonamjernog softvera na Android operacijskom sustavu primjenom dubinskog učenja Malware detection on the Android operating system using deep learning Novak, Nikola Kuzmanić Skelin, Ana 2021-07-20 application/pdf https://zir.nsk.hr/islandora/object/fesb:93 https://urn.nsk.hr/urn:nbn:hr:179:344404 https://repozitorij.svkst.unist.hr/islandora/object/fesb:93 https://repozitorij.svkst.unist.hr/islandora/object/fesb:93/datastream/PDF hrv hrv Sveučilište u Splitu. Fakultet elektrotehnike, strojarstva i brodogradnje. Zavod za elektroniku i računarstvo. University of Split. Faculty of Electrical Engineering, Mechanical Engineering and Naval Architecture. Department of Electronics and Computing. https://zir.nsk.hr/islandora/object/fesb:93 https://urn.nsk.hr/urn:nbn:hr:179:344404 https://repozitorij.svkst.unist.hr/islandora/object/fesb:93 https://repozitorij.svkst.unist.hr/islandora/object/fesb:93/datastream/PDF http://rightsstatements.org/vocab/InC/1.0/ info:eu-repo/semantics/restrictedAccess android operacijski sustav zlonamjerni softver dubinsko učenje strojno učenje detekcija zlonamjernog softvera android operating system malware deep learning machine learning malware detection TEHNIČKE ZNANOSTI. Računarstvo TECHNICAL SCIENCES. Computing info:eu-repo/semantics/masterThesis text 2021 ftnulzagrebzir 2023-12-15T00:06:22Z U ovom radu dan je kratki pregled arhitekture Android sustava, njegovog sigurnosnog modela, te sigurnosti Android aplikacija. Najveći propust kod sigurnosti su sami korisnici, jer zlonamjerni softver ne može sam od sebe završiti na korisnikovom uređaju, kamoli dobiti sve potrebne dozvole kako bi mogao napraviti štetu. Napravljen je i pregled zlonamjernih android aplikacija, koje ne pokazuju znakove usporavanja u zadnjih par godina, pogotovo za vrijeme aktualne pandemije. Također su opisane trenutno popularne vrste i kampanje zlonamjernih aplikacija na Androidu. Dan je kratki uvod u metode strojnog učenja koje bi se mogle koristiti za detekciju zlonamjernog softvera na Androidu, te detaljni pregled dubinskog učenja i neuronskih mreža. Predstavljen je cjeloviti proces otkrivanja zlonamjernih Android aplikacija na temelju dubinskog učenja koji se sastoji od prikupljanja uzoraka, predobrade podataka, odabira značajki, treniranja modela, optimizacije modela, evaluacije modela, te konačno korištenja modela za predviđanje i rješavanje praktičnih problema. Cjelokupni proces demonstriran je na CICMalDroid 2020 skupu podataka. This master’s thesis deals with the topic Android malware detection using deep learning. First, a brief overview of the architecture of the Android system, its security model, and the security of Android applications is given. The biggest security flaw are the users themselves, because the malware cannot end up on the user’s device on its own, nor get all the necessary permissions to do damage. Next, a review of malicious Android applications has also been made, where the currently popular types and campaigns of malicious applications on Android are described. A brief introduction to machine learning methods that could be used to detect malware on Android is given, as well as a detailed overview of deep learning and neural networks. A comprehensive process of detecting malicious Android applications based on deep learning is presented, consisting of sample collection, data pre-processing, feature ... Master Thesis sami Croatian Digital Theses Repository (National and University Library in Zagreb) |
institution |
Open Polar |
collection |
Croatian Digital Theses Repository (National and University Library in Zagreb) |
op_collection_id |
ftnulzagrebzir |
language |
Croatian |
topic |
android operacijski sustav zlonamjerni softver dubinsko učenje strojno učenje detekcija zlonamjernog softvera android operating system malware deep learning machine learning malware detection TEHNIČKE ZNANOSTI. Računarstvo TECHNICAL SCIENCES. Computing |
spellingShingle |
android operacijski sustav zlonamjerni softver dubinsko učenje strojno učenje detekcija zlonamjernog softvera android operating system malware deep learning machine learning malware detection TEHNIČKE ZNANOSTI. Računarstvo TECHNICAL SCIENCES. Computing Novak, Nikola Detekcija zlonamjernog softvera na Android operacijskom sustavu primjenom dubinskog učenja |
topic_facet |
android operacijski sustav zlonamjerni softver dubinsko učenje strojno učenje detekcija zlonamjernog softvera android operating system malware deep learning machine learning malware detection TEHNIČKE ZNANOSTI. Računarstvo TECHNICAL SCIENCES. Computing |
description |
U ovom radu dan je kratki pregled arhitekture Android sustava, njegovog sigurnosnog modela, te sigurnosti Android aplikacija. Najveći propust kod sigurnosti su sami korisnici, jer zlonamjerni softver ne može sam od sebe završiti na korisnikovom uređaju, kamoli dobiti sve potrebne dozvole kako bi mogao napraviti štetu. Napravljen je i pregled zlonamjernih android aplikacija, koje ne pokazuju znakove usporavanja u zadnjih par godina, pogotovo za vrijeme aktualne pandemije. Također su opisane trenutno popularne vrste i kampanje zlonamjernih aplikacija na Androidu. Dan je kratki uvod u metode strojnog učenja koje bi se mogle koristiti za detekciju zlonamjernog softvera na Androidu, te detaljni pregled dubinskog učenja i neuronskih mreža. Predstavljen je cjeloviti proces otkrivanja zlonamjernih Android aplikacija na temelju dubinskog učenja koji se sastoji od prikupljanja uzoraka, predobrade podataka, odabira značajki, treniranja modela, optimizacije modela, evaluacije modela, te konačno korištenja modela za predviđanje i rješavanje praktičnih problema. Cjelokupni proces demonstriran je na CICMalDroid 2020 skupu podataka. This master’s thesis deals with the topic Android malware detection using deep learning. First, a brief overview of the architecture of the Android system, its security model, and the security of Android applications is given. The biggest security flaw are the users themselves, because the malware cannot end up on the user’s device on its own, nor get all the necessary permissions to do damage. Next, a review of malicious Android applications has also been made, where the currently popular types and campaigns of malicious applications on Android are described. A brief introduction to machine learning methods that could be used to detect malware on Android is given, as well as a detailed overview of deep learning and neural networks. A comprehensive process of detecting malicious Android applications based on deep learning is presented, consisting of sample collection, data pre-processing, feature ... |
author2 |
Kuzmanić Skelin, Ana |
format |
Master Thesis |
author |
Novak, Nikola |
author_facet |
Novak, Nikola |
author_sort |
Novak, Nikola |
title |
Detekcija zlonamjernog softvera na Android operacijskom sustavu primjenom dubinskog učenja |
title_short |
Detekcija zlonamjernog softvera na Android operacijskom sustavu primjenom dubinskog učenja |
title_full |
Detekcija zlonamjernog softvera na Android operacijskom sustavu primjenom dubinskog učenja |
title_fullStr |
Detekcija zlonamjernog softvera na Android operacijskom sustavu primjenom dubinskog učenja |
title_full_unstemmed |
Detekcija zlonamjernog softvera na Android operacijskom sustavu primjenom dubinskog učenja |
title_sort |
detekcija zlonamjernog softvera na android operacijskom sustavu primjenom dubinskog učenja |
publisher |
Sveučilište u Splitu. Fakultet elektrotehnike, strojarstva i brodogradnje. Zavod za elektroniku i računarstvo. |
publishDate |
2021 |
url |
https://zir.nsk.hr/islandora/object/fesb:93 https://urn.nsk.hr/urn:nbn:hr:179:344404 https://repozitorij.svkst.unist.hr/islandora/object/fesb:93 https://repozitorij.svkst.unist.hr/islandora/object/fesb:93/datastream/PDF |
genre |
sami |
genre_facet |
sami |
op_relation |
https://zir.nsk.hr/islandora/object/fesb:93 https://urn.nsk.hr/urn:nbn:hr:179:344404 https://repozitorij.svkst.unist.hr/islandora/object/fesb:93 https://repozitorij.svkst.unist.hr/islandora/object/fesb:93/datastream/PDF |
op_rights |
http://rightsstatements.org/vocab/InC/1.0/ info:eu-repo/semantics/restrictedAccess |
_version_ |
1788065256903278592 |