prikaz prve stranice dokumenta Analiza zlonamjernih programa operacijskog sustava Android tehnikama strojnog učenja
No public access
master's thesis
Analiza zlonamjernih programa operacijskog sustava Android tehnikama strojnog učenja
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2017. urn:nbn:hr:168:339710
Gudelj, Tomislav
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Gudelj, T. (2017). Analiza zlonamjernih programa operacijskog sustava Android tehnikama strojnog učenja (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:339710

Gudelj, Tomislav. "Analiza zlonamjernih programa operacijskog sustava Android tehnikama strojnog učenja." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2017. https://urn.nsk.hr/urn:nbn:hr:168:339710

Gudelj, Tomislav. "Analiza zlonamjernih programa operacijskog sustava Android tehnikama strojnog učenja." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2017. https://urn.nsk.hr/urn:nbn:hr:168:339710

Gudelj, T. (2017). 'Analiza zlonamjernih programa operacijskog sustava Android tehnikama strojnog učenja', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 26 December 2024, https://urn.nsk.hr/urn:nbn:hr:168:339710

Gudelj T. Analiza zlonamjernih programa operacijskog sustava Android tehnikama strojnog učenja [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2017 [cited 2024 December 26] Available at: https://urn.nsk.hr/urn:nbn:hr:168:339710

T. Gudelj, "Analiza zlonamjernih programa operacijskog sustava Android tehnikama strojnog učenja", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2017. Available at: https://urn.nsk.hr/urn:nbn:hr:168:339710

Metadata
TitleAnaliza zlonamjernih programa operacijskog sustava Android tehnikama strojnog učenja
Title (english)Analysis of Android Malware using Machine Learning Techniques
AuthorTomislav Gudelj
MentorAnte Đerek (mentor)
Committee memberAnte Đerek (predsjednik povjerenstva)
Committee memberStjepan Groš (član povjerenstva)
Committee memberŽeljka Mihajlović (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2017-07-04, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
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.
Abstract (english)
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.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:339710
Study programmeTitle: Computing
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2019-03-13 20:42:56