Android Kötücül Yazılımlar İçin İzin Tabanlı Tespit Sistemi

Anıl UTKU, İbrahim Alper Doğru
3.003 539

Öz


Günümüzde mobil cihazların kullanım alanlarında ve işlevselliklerinde büyük bir artış yaşanmaktadır. Kullanıcılar mobil cihazlarında kişisel bilgilerini saklamaktadır. Bu gibi özelliklerinden dolayı mobil cihazlar saldırganların hedefi konumuna gelmiştir. Bu çalışmada, Naive Bayes ve KNN algoritmaları kullanılarak izin tabanlı bir kötücül yazılım tespit sistemi geliştirilmiştir. Geliştirilen sistemin test sonuçları her bir algoritma için analiz edilerek karşılaştırılmıştır. Test sonuçları her iki algoritmanın kötücül yazılım tespitinde yüksek başarı oranı verdiğini göstermiştir.


Anahtar kelimeler


Mobil kötücül yazılım; Kötücül yazılım tespit teknikleri; Mobil güvenlik; İzin tabanlı analiz

Tam metin:

PDF


Referanslar


He, D., Chan, S., ve Guizani, M., “Mobile application security: malware threats and defenses”, Wireless Communications, IEEE, Cilt 22, No 1, 138-144, 2015.

Ketari, L., ve Khanum, M. A., “A Review of Malicious Code Detection Techniques for Mobile Devices”, International Journal of Computer Theory and Engineering, Cilt 4, No 2, 212-216, 2012.

Wang, X., Yang, Y., Zeng, Y., Tang, C., Shi, J., ve Xu, K., “A Novel Hybrid Mobile Malware Detection System Integrating Anomaly Detection With Misuse Detection”, In Proceedings of the 6th International Workshop on Mobile Cloud Computing and Services, 15-22, 2015.

Kabakuş, A. T., Doğru, İ. A., ve Çetin, A., “Android kötücül yazılım tespit ve koruma sistemleri”, Erciyes Üniversitesi Fen Bilimleri Enstitüsü Dergisi, Cilt 31, No 1, 9-16, 2015.

Talha, K. A., Alper, D. I., ve Aydin, C., “APK Auditor: Permission-based Android malware detection system”, Digital Investigation, Cilt 13, 1-14, 2015.

Burguera, I., Zurutuza, U., ve Nadjm-Tehranı, S., “Crowdroid: behavior-based malware detection system for android”, Proceedings of the 1st ACM workshop on Security and privacy in smartphones and mobile devices, 15-26, 2011.

Shabtai, A., Kanonov, U., Elovici, Y., Glezer, C., ve Weiss, Y., “Andromaly”: a behavioral malware detection framework for android devices, Journal of Intelligent Information Systems, Cilt 38, No 1, 161-190, 2012.

Wu, D. J., Mao, C. H., Wei, T. E., Lee, H. M., ve Wu, K. P., “Droidmat: Android malware detection through manifest and api calls tracing”, Information Security (Asia JCIS), 2012 Seventh Asia Joint Conference, 62-69, 2012.

Arp, D., Spreitzenbarth, M., Hübner, M., Gascon, H., Rieck, K., ve Siemens, C. E. R. T., “Drebin: Effective and explainable detection of android malware in your pocket”, Proceedings of the Annual Symposium on Network and Distributed System Security (NDSS), 2014.

La Polla, M., Martinelli, F., ve Sgandurra, D. “A survey on security for mobile devices”, Communications Surveys & Tutorials IEEE, Cilt 15, No 1, 446-471, 2013.

Dua, L. ve Bansal, D., “Taxonomy: Mobile Malware Threats and Detection Techniques”, Computer Science & Information Technology (CS & IT), 213-221, 2014.

Wang, X., Yang, Y. ve Zeng, Y., “Accurate mobile malware detection and classification in the cloud”, SpringerPlus, 2015.

Shen, Y. C., Chien, R. ve Hung, S. H., “Toward Efficient Dynamic Analysis and Testing for Android Malware”, IT CoNvergence PRActice (INPRA), Cilt 2, No 3, 14-23, 2014.

Tchakount´e, F., “Permission-based Malware Detection Mechanisms on Android: Analysis and Perspectives”, Journal of Computer Science and Sofware Application, Cilt 1, No 2, 63-77, 2014.

Aung, Z. ve Zaw, W., “Permission-Based Android Malware Detection”, International Journal Of Scientific & Technology Research, Cilt 2, No 3, 228-234, 2013.

Ren, J., Lee, S. D., Chen, X., Kao, B., Cheng, R., & Cheung, D., “Naive bayes classification of uncertain data”, Ninth IEEE International Conference on Data Mining, 944-949, 2009.

Dragomir, E. G., “Air quality index prediction using K-nearest neighbor technique”, Bulletin of PG University of Ploiesti, Series Mathematics, Informatics, Physics, LXII, No 1, 103-108, 2010.




Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 License.