Αλγόριθμοι μηχανικής μάθησης για τον εντοπισμό ανωμαλιών (προβλημάτων / επιθέσεων) σε κινητές συσκευές

Abstract

Ο εντοπισμός ανωμαλιών στις κινητές συσκευές παραμένει ένα ανοιχτό ζήτημα καθώς τα κακόβουλα συστήματα λογισμικού αναπτύσσονται με ταχύ ρυθμό και βρίσκουν τρόπους να παρακάπτουν τους παραδοσιακούς μηχανισμούς ανίχνευσής τους. Για αυτόν τον λόγο προτείνεται και αρχίζει να γίνεται χρήση των δυνατοτήτων της μηχανικής μάθησης σε μηχανισμούς ανίχνευσης των κακόβουλων συστημάτων λογισμικού. Ο στόχος της παρούσας διπλωματικής εργασίας είναι η εξέταση πέντε αλγορίθμων κατηγοριοποίησης και δύο νευρωνικών δικτύων σε τέσσερα σύνολα με δεδομένα κακόβουλων και καλόβουλων συστημάτων λογισμικού ώστε να βρεθεί ο πιο αποδοτικός σε κάθε σύνολο με βάση ορισμένες μετρικές επιδόσεων. Χρησιμοποιήθηκαν αλγόριθμοι κλιμάκωσης και η τεχνική της μείωσης της διάστασης στα σύνολα δεδομένων με σκοπό τη βελτίωση της επίδοσης των μοντέλων. Σε όλους τους αλγόριθμους έγινε βελτιστοποίηση των υπερπαραμέτρων και μετέπειτα παρατηρήθηκε η αλλαγή του χρόνου εκπαίδευσής τους. Τέλος, από τη συγκεντρωτική σύγκριση όλων των αποτελεσμάτων των συνόλων δεδομένων εξάγεται ο αλγόριθμος μηχανικής μάθησης που είχε την καλύτερη απόδοση στην ανίχνευση κακόβουλου λογισμικού.

Detecting anomalies in mobile devices remains an open issue as malware is rapidly developing and finding ways to bypass traditional detection mechanisms. For this reason, machine learning capabilities are being proposed and have been used in detection mechanisms for malware detection. The objective of this thesis is to examine five classification algorithms and two neural networks on four datasets of malicious and benign software to find the most efficient one in each set based on certain performance metrics. Scaling algorithms and the technique of dimension reduction on the datasets were used in order to improve the performance of the models. In all algorithms, hyperparameter optimization was performed and then the change in training time was observed. Finally, from the aggregated comparison of all the results of the datasets, the machine learning algorithm that had the best performance in malware detection is extracted.