Details
Title | Применение методов глубокого обучения для выявления вредоносных Android-приложений: выпускная квалификационная работа специалиста: 10.05.03 - Информационная безопасность автоматизированных систем ; 10.05.03_08 - Анализ безопасности информационных систем |
---|---|
Creators | Игнатьев Глеб Юрьевич |
Scientific adviser | Павленко Евгений Юрьевич |
Other creators | Резединова Евгения Юрьевна |
Organization | Санкт-Петербургский политехнический университет Петра Великого. Институт прикладной математики и механики |
Imprint | Санкт-Петербург, 2018 |
Collection | Выпускные квалификационные работы ; Общая коллекция |
Subjects | информационная безопаcность ; безопасность мобильных устройств ; google android ; вредоносное программного обеспечение ; статический анализ приложения ; глубокое обучение ; information security ; mobile security ; malware ; application static analysis ; deep learning |
Document type | Specialist graduation qualification work |
File type | |
Language | Russian |
Level of education | Specialist |
Speciality code (FGOS) | 10.05.03 |
Speciality group (FGOS) | 100000 - Информационная безопасность |
Links | Отзыв руководителя ; Рецензия ; Отчет о проверке на объем и корректность внешних заимствований |
DOI | 10.18720/SPBPU/3/2018/vr/vr18-113 |
Rights | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
Record key | ru\spstu\vkr\167 |
Record create date | 11/9/2018 |
Allowed Actions
–
Action 'Read' will be available if you login or access site from another network
Action 'Download' will be available if you login or access site from another network
Group | Anonymous |
---|---|
Network | Internet |
В настоящей выпускной квалификационной работе представлен подход к выявлению вредоносного программного обеспечения в Android ОС на основе глубокого обучения. В работе рассмотрены проблемы существующих подходов по анализу Android-приложения с использованием глубокого обучения, на основании которых предложен собственный подход, использующий сверточную нейронную сеть. Результаты экспериментальной оценки эффективность разработанного на основании подхода программного макета приведены и демонстрируют высокую вероятность обнаружения вредоносных Android-приложений.
This final learning. The paper discusses the problems of the existing approach-es to analyzing the Android application using deep training, based on which we pro-pose our own approach using a convolutional neural network. The paper reviews the drawbacks of the existing approaches to applications analysis using deep learning, based on which new approach is proposed using a convolutional neural network. The results of an experimental evaluation of the effectiveness of the proposed approach demonstrates a high probability Android malware applications detection.qualifying work presents an approach to Android malware detection based on deep.
Network | User group | Action |
---|---|---|
ILC SPbPU Local Network | All |
|
Internet | Authorized users SPbPU |
|
Internet | Anonymous |
|
Access count: 413
Last 30 days: 4