Malware detection using deep learning algorithms
Yükleniyor...
Dosyalar
Tarih
2023
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Altınbaş Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Background/aim: The aim of this study is to benefit from deep learning algorithms in the classification of malware. It
is to determine the most effective classification algorithm by comparing the performances of deep learning algorithms.
Materials and methods: In this study, three deep learning methods, namely Long-Short-Term Memory Network
(LSTM), Convolutional Neural Network (CNN), and Multitasking Deep Neural Network (DNN) were used.
Results: According to the findings obtained in malware detection, the best results were obtained from LTSM, CNN and
DNN methods, respectively. With the three deep learning algorithms, the average Accuracy was 96%, the Precision
average was 97%, and the Recall average was 97%.
Conclusion: According to the most effective results obtained from this study, Accuracy 0.982, Precision 0.988 and
Recall 0.990.
Amaç: Bu çalışmanın amacı, kötü amaçlı yazılımların sınıflandırılmasında derin öğrenme algoritmalarından yararlanmaktır. Derin öğrenme algoritmalarının performanslarını karşılaştırarak en etkin sınıflandırma algoritmasını belirlemektir. Materyaller ve yöntem: Bu çalışmada, Uzun-Kısa Süreli Bellek Ağı (LSTM), Evrişimli Sinir Ağı (CNN) ve Çok Görevli Derin Sinir Ağı (DNN) olmak üzere 3 adet derin öğrenme yöntemi kullanılmıştır. Bulgular: Kötü amaçlı yazılım tespitinde elde edilen bulgularra göre en iyi sonuçlar sırasıyla LTSM, CNN ve DNN yöntemlerinden alınmıştır..Üç derin öğrenme algoritması ile Doğruluk ortalama %96, Kesinlik ortalama %97, Duyarlılık ortalama %97 bulunmuştur. Sonuç: Bu çalışmadan elde edilen en etkin sonuçlara göre Doğruluk 0,982, Kesinlik 0,988 ve Duyarlılık 0,990 oranındadır.
Amaç: Bu çalışmanın amacı, kötü amaçlı yazılımların sınıflandırılmasında derin öğrenme algoritmalarından yararlanmaktır. Derin öğrenme algoritmalarının performanslarını karşılaştırarak en etkin sınıflandırma algoritmasını belirlemektir. Materyaller ve yöntem: Bu çalışmada, Uzun-Kısa Süreli Bellek Ağı (LSTM), Evrişimli Sinir Ağı (CNN) ve Çok Görevli Derin Sinir Ağı (DNN) olmak üzere 3 adet derin öğrenme yöntemi kullanılmıştır. Bulgular: Kötü amaçlı yazılım tespitinde elde edilen bulgularra göre en iyi sonuçlar sırasıyla LTSM, CNN ve DNN yöntemlerinden alınmıştır..Üç derin öğrenme algoritması ile Doğruluk ortalama %96, Kesinlik ortalama %97, Duyarlılık ortalama %97 bulunmuştur. Sonuç: Bu çalışmadan elde edilen en etkin sonuçlara göre Doğruluk 0,982, Kesinlik 0,988 ve Duyarlılık 0,990 oranındadır.
Açıklama
Anahtar Kelimeler
Cyber Security, Deep Learning, Classification, Siber Güvenlik, Derin Öğrenme, Sınıflandırma
Kaynak
AURUM Journal of Engineering Systems and Architecture
WoS Q Değeri
Scopus Q Değeri
Cilt
7
Sayı
1
Künye
Altaiy, M., Yıldız, İ., Uçan, B. (2023). Malware detection using deep learning algorithms. AURUM Journal of Engineering Systems and Architecture, 7(1), 11-26.
