MALWARE DETECTION USING DEEP LEARNING ALGORITHMS

Creative Commons License

Altaiy M., Yıldız İ., Uçan B.

AURUM Mühendislik Sistemleri ve Mimarlık Dergisi, cilt.7, sa.1, ss.11-26, 2023 (Hakemli Dergi)

  • Yayın Türü: Makale / Tam Makale
  • Cilt numarası: 7 Sayı: 1
  • Basım Tarihi: 2023
  • Dergi Adı: AURUM Mühendislik Sistemleri ve Mimarlık Dergisi
  • Derginin Tarandığı İndeksler: Asos İndeks
  • Sayfa Sayıları: ss.11-26
  • Yıldız Teknik Üniversitesi Adresli: Evet

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.

Keywords: Cyber Security, Deep Learning, Classification

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 bulgulara 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.

Anahtar Kelimeler: Siber Güvenlik, Derin Öğrenme, Sınıflandırma