DERİN OTOMATİK KODLAYICI TABANLI ÖZELLİK ÇIKARIMI İLE ANDROİD KÖTÜCÜL YAZILIM UYGULAMALARININ TESPİTİ

Murat UÇAR; Emine UÇAR

Makale detayları

DERİN OTOMATİK KODLAYICI TABANLI ÖZELLİK ÇIKARIMI İLE ANDROİD KÖTÜCÜL YAZILIM UYGULAMALARININ TESPİTİ

Yazarlar:

Murat UÇAR | Emine UÇAR

Yayıncı:

Vahap TECİM

Ana Başlıklar:

Sosyoloji & antropoloji

Dergi:

Yönetim Bilişim Sistemleri Dergisi 2019 Vol.5 Issue 2, pp.21-28

Belge Tipi:

Makale

Yayın Tarihi:

12/2019

Belge Dili:

Türkçe

Document ID (Org No.):

2000642479

Sıklık:

İki Yıllık

eISSN:

2630-550X

pISSN:

2630-550X

Özet:

 


Nowadays, smart phones have become an
indispensable part of human life. The Android operating system has the highest
utilization rate among these devices. Its advanced features allow users to
store personal information such as photos, health data, identity information,
and bank information. It is the most targeted operating system by malware
developers because of its widespread usage and advanced features. In this
study, in order to increase the success in the detection of Android malware
applications, feature extraction was performed by using deep autoencoders. In
the next step, data are classified by Random Forest (RF), K-Nearest Neighbor
(K-NN) algorithm and Decision Tree (DT) algorithms. Experimental results showed
that feature extraction using deep autoencoders and principal component
analysis increased the accuracy of model. According to the analyses made, it
has been observed that Random Forest algorithm had the best accuracy with
94.40%.

.

 


Günümüzde akıllı telefonlar insan hayatının vazgeçilmez bir parçası
haline gelmiştir. Android işletim sistemi bu cihazlar arasında en yüksek
kullanım oranına sahiptir. Gelişmiş özellikleri sayesinde kullanıcıların
fotoğrafları, sağlık verileri, kimlik bilgileri ve banka bilgileri gibi kişisel
bilgilerini saklamalarını sağlar. Yaygın kullanımı ve gelişmiş özellikleri
nedeniyle kötü amaçlı yazılım geliştiricileri tarafından en çok hedeflenen
işletim sistemidir. Bu çalışmada Android kötücül yazılım uygulamalarının
tespitinde başarıyı artırmak için öncelikle derin oto kodlayıcı mimarisi
kullanılarak özellik çıkarımı yapılmıştır. Bir sonraki aşamada ise makine
öğrenmesi yöntemlerinden Rasgele Orman (RO), K-En Yakın Komşu (K-EYK) ve Karar
Ağacı (KA) algoritmaları kullanılarak sınıflandırma yapılmıştır. Deneysel
sonuçlar derin oto kodlayıcı ve temel bileşen analizi kullanarak özellik
çıkarımının başarıyı artırdığını göstermiştir. Yapılan analizlere göre,
Rastgele Orman algoritmasının % 94,40 ile en iyi doğruluğa sahip olduğu
görülmüştür. 

.

Makale detayları

DERİN OTOMATİK KODLAYICI TABANLI ÖZELLİK ÇIKARIMI İLE ANDROİD KÖTÜCÜL YAZILIM UYGULAMALARININ TESPİTİ

Yazarlar: Murat UÇAR | Emine UÇAR

Yayıncı: Vahap TECİM

Ana Başlıklar: Sosyoloji & antropoloji

Dergi: Yönetim Bilişim Sistemleri Dergisi 2019 Vol.5 Issue 2, pp.21-28

Belge Tipi: Makale

Yayın Tarihi: 12/2019

Belge Dili: Türkçe

Document ID (Org No.): 2000642479

Sıklık: İki Yıllık

eISSN: 2630-550X

pISSN: 2630-550X

Sayı

Yazarlar:

Murat UÇAR | Emine UÇAR

Yayıncı:

Vahap TECİM

Ana Başlıklar:

Sosyoloji & antropoloji

Dergi:

Yönetim Bilişim Sistemleri Dergisi 2019 Vol.5 Issue 2, pp.21-28

Belge Tipi:

Makale

Yayın Tarihi:

12/2019

Belge Dili:

Türkçe

Document ID (Org No.):

2000642479

Sıklık:

İki Yıllık

eISSN:

2630-550X

pISSN:

2630-550X