PHÂN LOẠI MÃ ĐỘC SỬ DỤNG MẠNG NƠ-RON TÍCH CHẬP
Khoá luận tốt nghiệp · Đại học · năm 2019 · đề tài tham khảo
| Loại tài liệu | Khoá luận tốt nghiệp |
|---|---|
| Bậc học | Đại học |
| Ngành | Công nghệ thông tin |
| Tác giả | Lê Minh Hiếu |
| Người hướng dẫn | Thái Minh Tuấn |
| Cơ sở đào tạo | Trường Đại học Cần Thơ |
| Năm | 2019 |
| Nguồn | Thư viện số Trường Đại học Cần Thơ · trang gốc |
Tóm tắt
Cùng với sự phát triển của mạng Internet, các cuộc tấn công của các loại mã độc hại cũng gia tăng theo cấp số nhân và trở thành mối đe dọa chính đối với an ninh mạng. Việc tập trung cải tiến khả năng phát hiện các biến thể của mã độc là rất quan trọng. Theo báo cáo giữa năm của Bitdefender [1] – Một hãng bảo mật nổi tiếng đến từ Rumani, số lượng mã độc đang phát tán trên mạng Internet đã gần đạt đến mốc 1 tỉ mẫu. Với mức tăng trưởng hằng năm cực nhanh, mã độc thực sự trở thành nỗi ám ảnh kinh hoàng, gây thiệt hại nặng nề về cả thời gian lẫn tiền của. Phương pháp phát hiện phần mềm độc hại hiện nay bao gồm chủ yếu hai loại: phát hiện tĩnh và phát hiện động (static detection and dynamic detection) [2]. Dù các phương pháp hiện tại vẫn đang hoạt động tương đối hiệu quả, nhưng mã độc ngày càng được cải tiến làm cho việc phân giải đặc trưng ngày càng khó khăn, đôi khi việc này là không thể. Trong bối cảnh đó, luận văn này đề xuất phương pháp sử dụng học sâu để cải thiện việc phát hiện biến thể phần mềm độc hại. Để thực hiện, luận văn này thực hiện chuyển đổi mã độc thành hình ảnh thang độ xám (grayscale image). Sau đó, hình ảnh được chuẩn hoá và phân loại sử dụng mạng nơ ron tích chập - Convolutional Neural Network (CNN). Để kiểm tra phương pháp trên, đề tài này tiến hành một loạt các thử nghiệm với bốn mô hình CNN gồm: AlexNet, InceptionV3, ResNet50 và VGG19 trên tập dữ liệu từ cuộc thi Microsoft Malware Classification Challenge (BIG 2015)1 . Qua quá trình huấn luyện, mô hình thu được cho độ chính xác khá cao, tiêu biểu là VGG19 đã chứng minh rằng phương pháp tiếp cận này có thể đáp ứng được độ chính xác, sự linh hoạt và tiềm năng áp dụng vào thực tế.
Bản toàn văn lưu tại thư viện Trường Đại học Cần Thơ
Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.
Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
- Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
- Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
- Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.
Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.
Đề tài cùng ngành
- XÂY DỰNG WEBSITE HỌC TIẾNG ANH CHO TRẺ EM
- SINH CÂU HỎI TRẮC NGHIỆM TIẾNG ANH TỰ ĐỘNG SỬ DỤNG MÔ HÌNH NGÔN NGỮ TIỀN HUẤN LUYỆN KẾT HỢP KAG
- XÂY DỰNG ỨNG DỤNG WEB QUẢN LÝ VI PHẠM HÀNH CHÍNH Ở MỘT PHƯỜNG/XÃ VỚI REACT, NODEJS VÀ MYSQL
- HUMAN GENDER AND AGE RECOGNITION USING DEEP LEARNING METHODS
- THESIS TITLE HUMAN FACE RECOGNITION AND ANALYSIS WITHOUT FACEMASK
- PHÁT TRIỂN HỆ THỐNG XE TỰ HÀNH ỨNG DỤNG AI NHẬN DIỆN VÀ BÁM THEO MỤC TIÊU
- XÂY DỰNG HỆ THỐNG NHẬN DẠNG CÂY THUỐC NAM TRÊN NỀN WEB BUILDING A SYSTEM TO IDENTIFY MEDICINAL PLANTS ON WEB)
- PHÁT TRIỂN HỆ THỐNG QUẢN LÝ LỊCH LÀM TRÊN NỀN TẢNG DI ĐỘNG
Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.