Autor: František Kurimský
Školiteľ: RNDr. JUDr. Pavol Sokol, PhD.
Abstrakt
V dnešnom svete je malvér považovaný za jednu z najväčších bezpečnostných hrozieb na internete. Každým rokom sa objavuje čoraz viac útokov s rôznymi druhmi malvéru. Existujú viaceré prístupy, ako tento problém riešiť pomocou neurónových sietí. Hlavným cieľom tejto práce je porovnať rôzne možnosti reprezentácie súborov do vizuálnej podoby a takisto použitie rôznych možnosti navrhnutia modelu neurónovej siete. Naším cieľom je zo získaných poznatkov navrhnúť vlastné riešenie klasifikácie malvéru pomocou neurónových sietí. Pre trénovanie modelu potrebujeme vhodný dataset. Pre našu prácu používame Malimg dataset a MalwareBazaar dataset, ktorý obsahuje 490716 vzoriek malvéru detekovaných v období od 24.02.2020 do 11.03.2022. V závere je spracovaná implementácia riešenia klasifikácie malvéru pomocou neurónových sietí.
Ciele
- Analyzovať prístupy k analýze malvéru a vizuálnej reprezentácii malvéru.
- Porovnať dostupné prístupy ku klasifikácii malvéru prostredníctvom neurónových sietí.
- Navrhnúť, implementovať a vyhodnotiť systém na klasifikáciu malvéru prostredníctvom neurónových sieti.
Literatúra
- Stamp M, Alazab M, Shalaginov A. Malware Analysis Using Artificial Intelligence and Deep Learning. Springer International Publishing AG;2021.
- Saxe J, Sanders H. Malware Data Science: Attack Detection and Attribution. No Starch Press; 2018.
- Le Q, Boydell O, Mac Namee B, Scanlon M. Deep learning at the shallow end: Malware classification for non-domain experts. Digital Investigation. 2018 Jul 1;26:S118-26.
Priebeh práce
Zatiaľ nezverejnené
