Details
Title | Выявление вредоносных мобильных приложений на основе анализа используемых функций и разрешений: выпускная квалификационная работа бакалавра: направление 10.03.01 «Информационная безопасность» ; образовательная программа 10.03.01_03 «Безопасность компьютерных систем» |
---|---|
Creators | Туваева Алина Романовна |
Scientific adviser | Жуковский Евгений Владимирович |
Organization | Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и кибербезопасности |
Imprint | Санкт-Петербург, 2024 |
Collection | Выпускные квалификационные работы; Общая коллекция |
Subjects | вредоносные приложения; обнаружение вредоносного ПО; андроид; статический и динамический анализ; машинное обучение; malicious applications; malware detection; android; static and dynamic analysis; machine learning |
Document type | Bachelor graduation qualification work |
File type | |
Language | Russian |
Level of education | Bachelor |
Speciality code (FGOS) | 10.03.01 |
Speciality group (FGOS) | 100000 - Информационная безопасность |
DOI | 10.18720/SPBPU/3/2024/vr/vr24-2281 |
Rights | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
Additionally | New arrival |
Record key | ru\spstu\vkr\30383 |
Record create date | 7/11/2024 |
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 |
Целью работы является обнаружение вредоносных мобильных приложений с использованием методов машинного обучения на основе анализа используемых ими функций и разрешений. Задачи, решаемые в ходе исследования: 1. Исследование существующих методов выявления вредоносных мобильных приложений. 2. Сбор набора данных из вредоносных и легитимных мобильных Android-приложений и извлечение характеристических признаков. 3. Анализ полученных данных и определение наиболее значимые признаков, используемых для классификации приложений. 4. Разработка модели машинного обучения для выявления вредоносных мобильных приложений и её тестирование. В ходе работы была рассмотрена система GSDroid, сочетающая статический и динамический анализ с использованием алгоритмов машинного обучения, что обеспечивает высокую точность идентификации угроз. Была разработана и протестирована модель машинного обучения для выявления вредоносных мобильных приложений. Полученные результаты могут быть использованы разработчиками мобильного ПО и специалистами в области информационной безопасности для повышения уровня защищенности мобильных приложений.
The goal of the work is to detect malicious mobile applications using machine learning methods based on the analysis of the functions and permissions they use. Problems solved during the study: 1. Research of existing methods for identifying malicious mobile applications. 2. Collection of data set from malicious and legitimate Android mobile applications and extraction of characteristic features. 3. Analysis of the obtained data and determination of the most significant features used to classify applications . 4. Development of a machine learning model for identifying malicious mobile applications and testing it . During the work, the GSDroid system was considered, combining static and dynamic analysis using machine learning algorithms, which ensures high accuracy of threat identification. A machine learning model was developed and tested to identify malicious mobile applications. The results obtained can be used by mobile software developers and information security specialists to increase the security level of mobile applications.
Network | User group | Action |
---|---|---|
ILC SPbPU Local Network | All |
|
Internet | Authorized users SPbPU |
|
Internet | Anonymous |
|
Access count: 6
Last 30 days: 6