Модуль розпізнавання шкідливого програмного забезпечення з використанням алгоритмів машинного навчання

Скорочена інформація про документ
dc.contributor.advisorАфанасьєва, Ірина Вікторівна
dc.contributor.authorБрага, Тетяна Олександрівна
dc.date.accessioned2021-11-30T13:08:39Z
dc.date.available2021-11-30T13:08:39Z
dc.date.issued2021
dc.description.abstractenThesis: 99 p., 7 tabl., 27 fig., 2 appendices, 14 sources. The object of research is the API call sequence of the executed file. The subject of research – input data processing and further use in machine learning models to determine malware and predict its category. The purpose of the work is to analyze the subject of research and existing approaches to solving the problem, to implement a software product to identify malware and its category. Research methods - machine learning methods: decision trees, random forest, k-nearest neighbors, logistic regression. Relevance - the task does not lose its relevance for many years. Its purpose is to increase the security of user operating systems and reduce response time for malware deactivation actions. Results of work - a software module for detecting malware was created. Interaction with the user occurs through the web interface. Analysis of the work showed that the system gives satisfactory accuracy and can be part of a larger protection system. Ways to further develop the subject of research - the use of the cloud platform for continuous operation and data storage, deployment of sandbox environment to generate API-calls of downloaded files, improving the visual appearance of the user interface.uk
dc.description.abstractukДипломна робота: 98 с., 7 табл., 27 рис., 2 додатків, 14 джерел. Об’єкт дослідження – послідовність API-викликів виконуваного файлу. Предмет дослідження – обробка вхідних даних та подальше їх використання у моделях машинного навчання для визначення шкідливого ПХ та його категорії. Мета роботи – проаналізувати предмет дослідження та існуючі підходи вирішення поставленої задачі, реалізувати програмний продукт для визначення злоякісного ПЗ та його категорії. Методи дослідження – методи машинного навчання: дерева рішень, випадковий ліс, k-найближчих сусідів, логістична регресія. Актуальність – задача не втрачає своєї актуальності багато років. Її мета полягає у збільшенні показника захищеності операційних систем користувачів та зменшення часу реагування для застосування дій деактивації шкідливого ПЗ. Результати роботи - було створено програмний модуль для визначення шкідливого ПЗ. Взаємодія з користувачем відбувається через веб інтерфейс. Аналіз роботи показав, що система видає задовільну точність та може бути використана як частина більшої системи захисту. Шляхи подальшого розвитку предмету дослідження – використання хмарної платформи для неперервної роботи та збереження даних, розгортання sandbox середовища для генерування API-викликів завантажених файлів, покращення візуального вигляду інтерфейсу взаємодії з користувачем.uk
dc.format.page98 с.uk
dc.identifier.citationБрага, Т. О. Модуль розпізнавання шкідливого програмного забезпечення з використанням алгоритмів машинного навчання : дипломна робота ... бакалавра : 122 Комп'ютерні науки / Брага Тетяна Олександрівна. – Київ, 2021. – 98 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/45308
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectмашинне навчанняuk
dc.subjectвизначення шкідливого програмного забезпеченняuk
dc.subjectпрограмний модульuk
dc.subjectmachine learninguk
dc.subjectmalware detectionuk
dc.subjectprogram moduleuk
dc.titleМодуль розпізнавання шкідливого програмного забезпечення з використанням алгоритмів машинного навчанняuk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
Braha_bakalavr.docx
Розмір:
2.23 MB
Формат:
Microsoft Word XML
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.01 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ММСА)
Бакалаврські роботи