PHÂN TÍCH VÀ PHÁT HIỆN MÃ ĐỘC SỬ DỤNG MÁY HỌC
Khoá luận tốt nghiệp · Đại học · năm 2024 · đề tài tham khảo
| Loại tài liệu | Khoá luận tốt nghiệp |
|---|---|
| Bậc học | Đại học |
| Ngành | Công nghệ thông tin |
| Tác giả | Nguyễn Hữu Đức |
| Người hướng dẫn | Trần Thị Tố Quyên |
| Cơ sở đào tạo | Trường Đại học Cần Thơ |
| Năm | 2024 |
| Nguồn | Thư viện số Trường Đại học Cần Thơ · trang gốc |
Tóm tắt
Bối cảnh: Trong bối cảnh hiện nay, việc phát hiện mã độc trở thành một thách thức lớn trong bảo mật hệ thống. Các phương pháp truyền thống không đủ khả năng phát hiện các mối nguy hiểm ngày càng tinh vi. Do đó, việc ứng dụng các thuật toán học máy vào phân loại tập tin thực thi thành hai nhóm: bình thường và tấn công trở nên cần thiết. Mục tiêu: Mục tiêu của nghiên cứu này là phát triển một phương pháp phát hiện mã độc bằng cách sử dụng các thuật toán học máy để phân loại tập tin thực thi (.exe) dựa trên các đặc trưng tĩnh của chúng. Các mô hình học máy như Logistic Regression, KNN, SVM, Decision Tree, CNN, Naive Bayes và Random Forest được áp dụng để phân loại các tập tin này thành hai nhóm. Phương pháp: Quy trình nghiên cứu bao gồm các bước: thu thập dữ liệu, tiền xử lý dữ liệu, trích xuất các đặc trưng tĩnh từ các tập tin .exe như kích thước file, PE Header, hàm API, và các thông số khác, huấn luyện các mô hình học máy và đánh giá hiệu suất của các mô hình này. Các chỉ số đánh giá mô hình bao gồm accuracy, precision, recall và confusion matrix. Quá trình này được triển khai trên nền tảng Google Colab bằng ngôn ngữ Python và sử dụng các thư viện học máy hiện đại. Kết quả: Các mô hình học máy đã được huấn luyện và kiểm tra với các dữ liệu .exe, cho ra các kết quả đánh giá dựa trên các chỉ số hiệu suất. Các mô hình này cung cấp cái nhìn rõ ràng về khả năng phân loại mã độc so với các tập tin bình thường, từ đó đóng góp vào việc cải thiện khả năng phát hiện mã độc. Kết luận: Nghiên cứu này không chỉ cung cấp một giải pháp hiệu quả trong việc phát hiện mã độc mà còn mở ra hướng nghiên cứu mới về bảo mật hệ thống, như việc tích hợp phát hiện mã độc trong thời gian thực và ứng dụng học sâu để nâng cao hiệu quả của quá trình phát hiện.
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
- SECURITY CAMERA EMBEDDED MODULES
- XÂY DỰNG WEBSITE QUẢN LÝ CỬA HÀNG BÁN ĐĨA NHẠC TRÊN NỀN TẢNG LARAVEL FRAMEWORK
- HỆ THỐNG CHẤM ĐIỂM THI ĐẤU QUYỀN TAEKWONDO
- COMBINING AUDIO FEATURES AND LIGHTGBM FOR CLASSIFYING COVID-19 PATIENTS THROUGH COUGH SOUNDS
- XÂY DỰNG WEBSITE QUẢN LÝ BÁN HÀNG TIÊU DÙNG CHO SIÊU THỊ MINI VỚI ASP .NET, WEB API
- XÂY DỰNG WEBSITE QUẢNG BÁ ĐỊA ĐIỂM CHECK-IN CẦN THƠ
- XÂY DỰNG WEBSITE QUẢN LÝ HOẠT ĐỘNG TRỒNG TRỌT CỦA MỘT NÔNG TRẠI
- PHÁT TRIỂN GAME “SINH TỒN Ở HÀNH TINH MỚI” BẰNG UNITY 2D
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.