Show simple item record

Ανάπτυξη μηχανισμού εντοπισμού κακόβουλου λογισμικού σε εφαρμογές διαδικτύου με χρήση αλγορίθμου μηχανικής μάθησης

dc.contributor.advisorΝταντογιάν, Χριστόφορος
dc.contributor.authorΤριανταφύλλου, Γεώργιος
dc.date.accessioned2018-01-22T08:53:46Z
dc.date.available2018-01-22T08:53:46Z
dc.date.issued2017-04
dc.identifier.urihttp://dione.lib.unipi.gr/xmlui/handle/unipi/10699
dc.description.abstractΗ παρούσα διατριβή επιχειρεί να δώσει λύση σε μία από τις σημαντικότερες απειλές που καλείται να αντιμετωπίσει ένας διαχειριστής ιστοτόπου, αυτό του εντοπισμού αγνώστου κακόβουλου λογισμικού, όταν αυτό προσβάλει τα συστήματα τους, καθώς οι περισσότεροι μηχανισμοί anti-malware αδυνατούν να εντοπίσουν έγκαιρα τέτοιου είδους λογισμικά, με αποτέλεσμα την έκθεση σε κίνδυνο αυτών των συστημάτων να είναι σχεδόν βεβαία. Σε αντίθεση με τα υφιστάμενα αντιμέτρα, ο παρόν μηχανισμός εντοπισμού κακόβουλου λογισμικού σχεδιάστηκε και υλοποιήθηκε με την εφαρμογή εργαλείων ανοιχτού κώδικα και είναι σε θέση να εντοπίζει κακόβουλο λογισμικό με χρήση μηχανισμών μηχανικής μάθησης και συγκεκριμένα με τον αλγόριθμο Naïve Bayes. Ο Naïve Bayes μετά από την απαραίτητη εκπαίδευση, έχει την δυνατότητα να είναι σε θέση να εντοπίζει με μεγάλο ποσοστό επιτυχίας άγνωστο κυρίως κακόβουλο λογισμικό. Στην συνέχεια σχεδιάστηκαν δύο δοκιμασίες έτσι ώστε να γίνει όσο το δυνατόν ακριβέστερη η μέτρηση της απόδοσης του μηχανισμού, ενώ οι αξιολογήσεις έγιναν βασιζόμενες στις αρχές της αποτίμησης της αποτελεσματικότητας. Στις δοκιμασίες αυτές έγινε σύγκριση των αποτελεσμάτων με επιπλέον τρεις αντίστοιχους μηχανισμούς οι οποίοι είναι ανοιχτού κώδικα και χρησιμοποιούνται ευρέως για τον εντοπισμό κακόβουλου λογισμικού από τους διαχειριστές εξυπηρετητών διαδικτύου. Τα αποτελέσματα τα οποία εμφανίζει ο μηχανισμός κρίνονται ιδιαιτέρως ικανοποιητικά καθώς αυτός καθίσταται ικανός σύμφωνα με το επίπεδο της εκπαίδευσης του να εντοπίσει το σύνολο του γνωστού αλλά και αγνώστου κακόβουλου λογισμικού και ταυτόχρονα να ελαχιστοποιήσει τα σφάλματα τύπου false positiveel
dc.format.extent62el
dc.language.isoelel
dc.publisherΠανεπιστήμιο Πειραιώςel
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Διεθνές*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.titleΑνάπτυξη μηχανισμού εντοπισμού κακόβουλου λογισμικού σε εφαρμογές διαδικτύου με χρήση αλγορίθμου μηχανικής μάθησηςel
dc.title.alternativeDevelopment of a mechanism that detects malicious software on web applications using machine learning algorithmel
dc.typeMaster Thesisel
dc.contributor.departmentΣχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτωνel
dc.description.abstractENThis postgraduate thesis aims to resolve one of the most serious threats web administrators face in their jobs: Quick identification of unknown malicious software, when this compromises their systems. Using the current solutions, it is not possible for this malicious software to be directly detected thus resulting in the jeopardization of information systems. Unlike currently existing counter-measures, this project has been designed and developed to be able to detect malicious software using machine learning and the Naïve Bayes algorithm, which is used in spam filters and has the ability to detect, with high percentage, an unknown malicious file. Two tests were designed to measure the results of the anti-malware project. These were based on the fundamentals of assessing the effectiveness. In these tests, the project was compared, in terms of effectiveness, with three other open source anti-malware applications, which are broadly used by web administrators in order to detect malicious software. The final results of the mechanism showed that it can achieve high detection rates, because it detected all of the malicious software that had been injected to the server, whereas it also decreases false positive rate errors drastically.el
dc.contributor.masterΑσφάλεια Ψηφιακών Συστημάτωνel
dc.subject.keywordΜηχανική μάθησηel
dc.subject.keywordNaïve Bayesel
dc.subject.keywordPythonel
dc.subject.keywordΜηχανισμός ανίχνευσηςel
dc.subject.keywordΚακόβουλο λογισμικόel
dc.subject.keywordMachine learningel
dc.subject.keywordAnti-malware mechanismel
dc.subject.keywordMalicious softwareel


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές
Except where otherwise noted, this item's license is described as
Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές

Βιβλιοθήκη Πανεπιστημίου Πειραιώς
Contact Us
Send Feedback
Created by ELiDOC
Η δημιουργία κι ο εμπλουτισμός του Ιδρυματικού Αποθετηρίου "Διώνη", έγιναν στο πλαίσιο του Έργου «Υπηρεσία Ιδρυματικού Αποθετηρίου και Ψηφιακής Βιβλιοθήκης» της πράξης «Ψηφιακές υπηρεσίες ανοιχτής πρόσβασης της βιβλιοθήκης του Πανεπιστημίου Πειραιώς»