بهبود تشخیص بدافزارهای موبایل مبتنی بر سیستم عامل اندروید با رویکرد داده کاوی [پايان نامه فارسي]

ندا معینی

شناسگر رکورد: ۱۵۷۶۰
رشته تحصیلی: نرم افزار
عنوان: بهبود تشخیص بدافزارهای موبایل مبتنی بر سیستم عامل اندروید با رویکرد داده کاوی
نويسنده: ندا معینی
استاد راهنما : دکتر علی موقر رحیم آبادی
استاد مشاور: دکتر بابک مجیدی
مقطع تحصیلی : کارشناسی ارشد
دانشگاه : خاتم
تاریخ دفاع : ۱۳۹۷
چکیده: امروزه گوشی های هوشمند به نیاز ضروری در زندگی روزمره تبدیل شدهاند. سیستمعامل اندروید در سالهای اخیر از محبوبترین سیستمعاملهای موبایلی شده است. با این حال با توجه به خاصیت متنباز بودن سیستمعامل اندروید، بدافزارهای زیادی در میان نرمافزارها در بازارهای اندروید پنهان شدهاند که امنیت آن را با خطر جدی مواجه کرده است. یادگیری عمیق یک حوزه جدید از تحقیقات یادگیری ماشین است که در هوش مصنوعی توجه بیشتری به خود جلب کرده است. ما در این پژوهش با استفاده از ویژگیهای استخراج شده از تحلیلهای ایستا و پویا و ترکیب این ویژگیها، یک روش ترکیبی با استفاده از الگوریتم های یادگیری ماشین ماشین بردار پشتیبان، جنگلهای تصادفی و شبکه باور عمیق برای تشخیص بدافزارهای اندرویدی ارائه دادیم و با توجه به آزمایشات و ارزیابیهای انجام شده با استفاده از سامانه تشخیص مبتنی بر یادگیری عمیق به دقت ۸۲/‎۹۸ درصدی دست یافتیم که نسبت به کارهای انجام شده در این حوزه و همچنین نسبت به سایر روشهای سنتی یادگیری ماشین عملکرد بهتری دارد.
واژگان کلیدی: مهندسی کامپیوتر
واژگان کلیدی: مهندسی نرم افزار
واژگان کلیدی: یادگیری عمیق
واژگان کلیدی: تشخیص بدافزارهای اندرویدی
واژگان کلیدی: امنیت اندروید
واژگان کلیدی: بدافزار
شماره ثبت جزء نسخه جلد بخش قسمت مرجع شماره بازیابی در دست امانت تاریخ بازگشت ملاحظات
224611 1
224612 2
Copyright 2025 by Payam Hannan co ltd. PayamLib.com