|
|
|
|
| LEADER |
03252na a2200229 4500 |
| 003 |
HR-ZaFER |
| 008 |
160221s2017 ci ||||| m||| 00| 0 hr d |
| 035 |
|
|
|a (HR-ZaFER)ferid4847
|
| 040 |
|
|
|a HR-ZaFER
|b hrv
|c HR-ZaFER
|e ppiak
|
| 100 |
1 |
|
|a Gudelj, Tomislav
|
| 245 |
1 |
0 |
|a Analiza zlonamjernih programa operacijskog sustava Android tehnikama strojnog učenja :
|b diplomski rad /
|c Tomislav Gudelj ; [mentor Ante Đerek].
|
| 246 |
1 |
|
|a Analysis of Android Malware using Machine Learning Techniques
|i Naslov na engleskom:
|
| 260 |
|
|
|a Zagreb,
|b T. Gudelj,
|c 2017.
|
| 300 |
|
|
|a 63 str. ;
|c 30 cm +
|e CD-ROM
|
| 502 |
|
|
|b diplomski studij
|c Fakultet elektrotehnike i računarstva u Zagrebu
|g smjer: Računarska znanost, šifra smjera: 56, datum predaje: 2017-06-29, datum završetka: 2017-07-04
|
| 520 |
3 |
|
|a Sažetak na hrvatskom: 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.
|
| 520 |
3 |
|
|a Sažetak na engleskom: 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.
|
| 653 |
|
1 |
|a Android
|a sigurnost sustava mobilnih uređaja
|a statička analiza
|a dinamička analiza
|a detekcija zlonamjernih aplikacija
|a strojno učenje
|a klasifikatori
|a tehnike prikrivanja
|
| 653 |
|
1 |
|a Android
|a mobile security
|a static analysis
|a dynamic analysis
|a malware detection
|a machine learning
|a classifiers
|a obfuscation techniques
|
| 700 |
1 |
|
|a Đerek, Ante
|4 ths
|
| 942 |
|
|
|c Y
|
| 999 |
|
|
|c 48662
|d 48662
|