Розробка підходу до виявлення шкідливого ПЗ для Android з використанням методів глибинного навчання

Simple item page
dc.contributor.authorОстровська, Катерина Юріївнаuk_UA
dc.contributor.authorСтовпченко, Іван Володимировичuk_UA
dc.contributor.authorОстровський, Євген Вікторовичuk_UA
dc.date.accessioned2024-06-05T06:35:40Z
dc.date.available2024-06-05T06:35:40Z
dc.date.issued2024
dc.description.abstractUKR: Метою роботи є розробка підходу для виявлення шкідливого програмного забезпечення для операційної системи Android на основі статистичного аналізу c використанням методів глибокого навчання. Для досягнення поставленої мети були вирішені наступнізадачі:1.Дослідження особливостей Android-додатків і розробка способу подання додатка для подальшого аналізу безпеки. 2.Дослідження методів глибокого навчання і вибір найбільш відповідного з них. 3.Розробка підходу до виявлення шкідливого програмного забезпечення для Android з використанням методів глибокого навчання. Основна ідея підходу – уявлення Android-додатків у вигляді зображення для подальшого аналізу згортовою нейронною мережею, причому в цьому зображенні пікселі представляють послідовність пар API виклику і відпорному йому рівня захисту, який виводиться з дозволу, яке необхідно для виклику API.uk_UA
dc.description.abstractENG: The purpose of the work is to develop an approach to detect malicious software for the Android operating system based on statistical analysis using deep learning methods. To achieve the goal, the following tasks were solved: 1. Study of the features of Android applications and development of a method of submitting the application for further security analysis. 2. Research of deep learning methods and selection of the most appropriate of them. 3. Development of an Android malware detection approach using deep learning techniques. The main idea of the approach is to represent the Android application in the form of an image for further analysis by a convolutional neural network, and in this image the pixels represent a sequence of API call pairs and the level of protection against it, which is derived from the permission required for the API call. An Android malware detection approach is developed based on the representation of Android applications, as well as a convolutional neural network that has been specially developed for image recognition. A sequence of pairs of API calls and security levels of Android applications is converted into an RGB image, which is then fed to the input of a convolutional neural network. Having trained on a sample of similar images, the neural network acts as a classifier of included Android applications into legitimate and malicious ones.en
dc.identifier.citationОстровська К. Ю., Стовпченко І. В., Островський Є. В. Розробка підходу до виявлення шкідливого ПЗ для Android з використанням методів глибинного навчання. Системні технології. Дніпро, 2024. Т. 4, № 153. С. 41–46. DOI: 10.34185/1562-9945-4-153-2024-05.uk_UA
dc.identifier.doi10.34185/1562-9945-4-153-2024-05
dc.identifier.issn1562-9945 (Print)
dc.identifier.issn2707-7977 (Online)
dc.identifier.urihttps://journals.nmetau.edu.ua/index.php/st/article/view/1851en
dc.identifier.urihttps://crust.ust.edu.ua/handle/123456789/18698en
dc.language.isouk
dc.publisherУкраїнський державний університет науки і технологій, ННІ ≪Інститут промислових та бізнес технологій≫, ІВК ≪Системні технології≫, Дніпроuk_UA
dc.subjectопераційна системаuk_UA
dc.subjectAndroid-додаткиuk_UA
dc.subjectштучна нейронна мережаuk_UA
dc.subjectзгорткова нейронна мережаuk_UA
dc.subjectалгоритмuk_UA
dc.subjectкласифікаціяuk_UA
dc.subjectмашинне навчанняuk_UA
dc.subjectoperating systemen
dc.subjectAndroiden
dc.subjectAndroid appsen
dc.subjectartificial neural networken
dc.subjectconvolutional neural networken
dc.subjectAPIen
dc.subjectalgorithmen
dc.subjectclassificationen
dc.subjectmachine learningen
dc.subjectКІТСuk_UA
dc.subject.classificationTECHNOLOGY::Information technology::Computer science::Software engineeringen
dc.titleРозробка підходу до виявлення шкідливого ПЗ для Android з використанням методів глибинного навчанняuk_UA
dc.title.alternativeDevelopment of an Approach to the Detection of Android Software Using Deep Learning Methodsen
dc.typeArticleen
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Ostrovska.pdf
Size:
422.43 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Том 4 № 153 (СТ ІПБТ)
Статті КІТС (ІПБТ)