KaydedilenlerDerginizi ekleyin

Dergiler / Uluslararası Bilgi Güvenliği Mühendisliği Dergisi / 2017 / Cilt: 3 - Sayı: 2

ANDROID KÖTÜCÜL YAZILIM TESPİTİ YAKLAŞIMLARI

İBRAHİM ALPER DOĞRU
CEREN ASLANALP DİNÇER
Sayfa
48–58
Yayın Tarihi
2017-12-31
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bu çalışmada, Android kötücül yazılım tespiti yaklaşımları sunan farklı çalışmalar incelenmiştir ve bu çalışmalar çeşitli ölçütler bakımından karşılaştırılmıştır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Mobil cihazlar, mobil uygulamaların işlevselliklerinin gelişmesiyle birlikte hem iş hem günlük hayatta vazgeçilmez cihazlar olmaya başlamıştır.
📊
Temel Bulgular & Veri:Kötücül davranış, bilgiye ve cihaza yetkisiz erişim dolayısıyla hem kurum hem kişiye karşı ciddi ölçüde tehdit oluşturmaya başlamıştır.
💡
Sonuç & Katkı:Bu çalışmada, Android kötücül yazılım tespiti yaklaşımları sunan farklı çalışmalar incelenmiştir ve bu çalışmalar çeşitli ölçütler bakımından karşılaştırılmıştır.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Android malware · kötücül yazılım · kötücül yazılım tespiti

Özet

Mobil cihazlar, mobil uygulamaların işlevselliklerinin gelişmesiyle birlikte hem iş hem günlük hayatta vazgeçilmez cihazlar olmaya başlamıştır. Kendi cihazını getir iş modeli ile beraber bu cihazlar iş ve kamu kurumlarının ağlarına bağlanarak, beraberinde kötücül yazılımların tüm risklerini organizasyona taşımaktadır. Kötücül davranış, bilgiye ve cihaza yetkisiz erişim dolayısıyla hem kurum hem kişiye karşı ciddi ölçüde tehdit oluşturmaya başlamıştır. Android, açık kaynak çekirdek politikası sebebiyle bu tehditlere çok daha fazla açık bir platformdur. Bu kötücül yazılımları tespit edip önlem almak için tespit mekanizmaları geliştirilmekte, buna karşılık olarak kötücül yazılım geliştiricileri dönüşüm gibi güçlü tekniklerle bu tespit tekniklerinden kaçmayı amaçlamaktadır. Bu çalışmada, Android kötücül yazılım tespiti yaklaşımları sunan farklı çalışmalar incelenmiştir ve bu çalışmalar çeşitli ölçütler bakımından karşılaştırılmıştır.

🔖

Bu Makaleye Atıf Yap

DOĞRU, İ. A., DİNÇER, C. A. (2017). ANDROID KÖTÜCÜL YAZILIM TESPİTİ YAKLAŞIMLARI. Uluslararası Bilgi Güvenliği Mühendisliği Dergisi, Cilt: 3 - Sayı: 2, 48–58. https://ajindex.com/articles/815295

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (12)

  1. D. He, S. Chan, M. Guizani, “Mobile application security: malware threats and defenses,” IEEE Wireless Communications, vol. 22(1), pp. 138-144, February 2015
  2. S.- H. Seo, A. Gupta, A. M. Sallam, E. Bertino, K. Yim, “Detecting mobile malware threats to homeland security through static analysis,” Journal of Network and Computer Applications, vol. 38, pp. 43-53, February 2014, [3] G DATA Mobile Malware Report. (Visited July 2017) [Online]. Available:
  3. M. Guido, J. Ondricek, J. Grover, D. Wilburn, T. Nguyen, A. Hunt, “Automated identification of installed malicious Android applications,” Digital Investigation, vol. 10, pp. 96-104, August 2013
  4. Android – Architecture. (Visited July 2017) [Online]. Available:
  5. V. Rastogi, Y. Chen, X. Jiang, “DroidChameleon: evaluating Android anti-malware against transformation attacks,” In Proceedings of the 8th ACM SIGSAC symposium on Information, computer and communications security, pp. 329-334, May 2013
  6. A. Apvrille, “The evolution of mobile malware,” Computer Fraud & Security, vol. 2014(8), pp. 18-20, August 2014
  7. A. T. Kabakuş, İ. A. Doğru, A. Çetin, “Android kötücül yazılım tespit ve koruma sistemleri,” Erciyes Üniversitesi Fen Bilimleri Enstitüsü Dergisi, vol. 31(1), pp. 9-16, March 2015
  8. M. Chandramohan, H. B. K. Tan, “Detection of mobile malware in the wild,” IEEE Computer, vol. 45(9), pp. 65-71, January 2012, [10] X. Liu, J. Liu, “A two-layered permission based android malware detection scheme,” In 2nd IEEE International Conference on Mobile Cloud Computing, Services, and Engineering (MobileCloud), pp. 142-148, April 2014
  9. S. Y. Yerima, S. Sezer, G. Mcwilliams, “Analysis of bayesian classification-based approaches for android malware detection,” IET Information Security, vol. 8(1), pp. 25-36, January 2014
  10. Z. Xiaoyan, F. Juan, W. Xiujuan, “Android malware detection based on permissions,” In 2014 International Conference on Information and Communications Technologies (ICT 2014), pp. 1-5, May 2014
  11. S. Y. Yerima, S. Sezer, I. Muttik, “Android malware detection using parallel machine learning classifiers,” In 2014 Eighth International Conference on Next Generation Mobile Apps, Services and Technologies, pp. 37-42, September 2014
  12. G. Suarez-Tangil, J. E. Tapiador, P. Peris-Lopez, J. Blasco, “Dendroid: a text