prikaz prve stranice dokumenta Otkrivanje zloćudnih programa algoritmom klasifikacije strojem potpornih vektora
Rad nije dostupan
diplomski rad
Otkrivanje zloćudnih programa algoritmom klasifikacije strojem potpornih vektora
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2016. urn:nbn:hr:168:189852
Bilić, Nicole
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Bilić, N. (2016). Otkrivanje zloćudnih programa algoritmom klasifikacije strojem potpornih vektora (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:189852

Bilić, Nicole. "Otkrivanje zloćudnih programa algoritmom klasifikacije strojem potpornih vektora." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2016. https://urn.nsk.hr/urn:nbn:hr:168:189852

Bilić, Nicole. "Otkrivanje zloćudnih programa algoritmom klasifikacije strojem potpornih vektora." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2016. https://urn.nsk.hr/urn:nbn:hr:168:189852

Bilić, N. (2016). 'Otkrivanje zloćudnih programa algoritmom klasifikacije strojem potpornih vektora', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 04.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:189852

Bilić N. Otkrivanje zloćudnih programa algoritmom klasifikacije strojem potpornih vektora [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2016 [pristupljeno 04.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:189852

N. Bilić, "Otkrivanje zloćudnih programa algoritmom klasifikacije strojem potpornih vektora", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2016. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:189852

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:189852
Podaci o radu
NaslovOtkrivanje zloćudnih programa algoritmom klasifikacije strojem potpornih vektora
Naslov (engleski)Malware Detection Using Support Vector Machine as Classifier
AutorNicole Bilić
MentorMarin Golub (mentor)
Član povjerenstvaMarin Golub (predsjednik povjerenstva)
Član povjerenstvaStjepan Groš (član povjerenstva)
Član povjerenstvaDejan Škvorc (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2016-07-15, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Program za detekciju zloćudnog softvera (eng. malware) napravljen na temelju klasifikacije potpornog stroja vektora (eng. Support vector machine, SVM). Program detektira zloćudni softver u izvršnim datotekama (npr .exe, .dll). Skup podataka za učenje, validaciju i testiranje je asembler dobiven dekompilacijom izvršnih datoteka, a potom izračun frekvencija pojave pojedine naredbe što je ujedno i ulaz u SVM. Korištenjem skupa za validaciju za minimizaciju ukupne pogreške, određen je broj dimenzija (eng. dimensionality reduction) i jezgra (eng. kernel) SVMa. Za redukciju dimenzija moguće je koristiti algoritme PCA (eng. Principal Component Analysis), LDA (eng. Linear Discriminant Analysis) i sl. Odabrani SVM je testiran na skupu za testiranje i iz rezultata su izračunati preciznost, odziv te tzv. F1 rezultat, te broj lažno pozitivnih, lažno negativnih te ispravno klasificiranih jedinki (izvršnih datoteka).
Sažetak (engleski)
Malware detection software based on Support Vector Machine (SVM) classifier.Software detects malware in executable files (such as .exe, .dll). Dataset, divided into training, validation and test set, is an assembly code obtained by disassembling executable. Assembly is then processed, and afterwards frequency for each command is calculated. Using validation set to minimize the total error, dimensionality reduction is performed using different techniques such as Principal Component Analysis, PCA or Linear Discriminant Analysis, LDA. Furthermore, SVM kernel is chosen based on validation set as well. SVM with optimal parameters is tested on test set and precision, recall and F1measure are calculated, as well as number of false positives, false negatives and correctly classified executables.
Ključne riječi
Ključne riječi (engleski)
Jezikengleski
URN:NBNurn:nbn:hr:168:189852
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2018-02-06 07:54:28