Klasifikace malwaru na základě samoorganizačních map
Malware Classification Based on Self-Organizing Maps
Typ dokumentu
diplomová prácemaster thesis
Autor
Vojtěch Skalák
Vedoucí práce
Jurečková Olha
Oponent práce
Kozák Matouš
Studijní obor
Počítačová bezpečnostStudijní program
InformatikaInstituce přidělující hodnost
katedra informační bezpečnostiPráva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznamAbstrakt
Tato práce se zabývá klasifikací malware pomocí samoorganizačních map. Detekce pomocí umělé inteligence je jedním ze způsobů, jak efektivně bojovat proti šíření malware a schopnost samoorganizačních map uspořádat data do klastrů mohou pomoci při klasifikaci. V práci je shrnut teoretický základ a dosavadní vývoj samoorganizačních map. Posléze je na veřejně dostupném datasetu natrénována zkušební mapa s parametry vybranými pro tento typ dat. V poslední části jsou naměřené výsledky porovnány s ostatními metodami strojového učení. This paper examines malware classification using self-organizing maps. Detection using artificial intelligence is one way to effectively combat the spread of malware, and the ability of self-organizing maps to organize data into clusters can aid in classification. This paper summarizes the theoretical basis and the development of self-organization maps so far. Afterward, a test map is trained on a publicly available dataset with parameters selected for this type of data. In the last section, the measured results are compared with other machine learning methods.
Kolekce
- Diplomové práce - 18106 [113]