Android yazılımlarda yapay zeka destekli zararlı yazılım tespiti ve performans analizi

Günümüzde, akıllı cihazların hayatımızın ayrılmaz bir parçası haline gelmesi ile birlikte, bu cihazlarda ağırlıklı olarak kullanılan android işletim sistemi de giderek yaygınlaşmaktadır. Bu duruma paralel olarak siber saldırganların ilgisi android tabanlı uygulamalara yönelmektedir. Kaspersky firmasının 2022 mobil tehdit raporuna göre, android ortamında son bir yıl içerisinde 1,5 milyondan fazla zararlı yazılım tespit edilmiştir. Bu nedenle zararlı yazılım tespiti, siber suçlar ve siber güvenlik alanlarında en önemli konulardan biri haline gelmiştir. Makine öğrenmesi temelli çalışmalar, zararlı yazılım tespitinde büyük önem taşımaktadır. Bu tez çalışmasının amacı güncel tehditleri içeren özgün bir veri seti üzerinde statik analiz yöntemi kullanarak elde edilen özelliklerin, makine öğrenmesi yöntemleri ile zararlı yazılım tespitini yapmak ve performans çıktılarını kıyaslamaktır.Kullandığımız veriseti 2022 yılının 3. çeyreğinde yayınlanmış 3098 adet zararlı, 11000 adet tehdit içermeyen android kurulum dosyasından oluşmaktadır. Toplamda 14098 adet kurulum dosyasından statik analiz yöntemleri ile 528 adet android işletim sistemine özel ayırtedici izin özelliği çıkarılarak veri matrisi elde edilmiştir. İlk olarak veri setimiz üzerinde destek vektör makineleri, k-en yakın komşuluğu, rasgele orman, naif bayes, çok katmanlı algılayıcı ağ, LightGBM ve XGBoost sınıflandırıcıları ile zararlı yazılım tespit işlemi gerçekleştirilmiştir. İkinci aşamada tespit başarımını artırabilmek için öznitelik seçim yöntemleri (genetik algortima, karınca kolonisi, tepe tırmanma) ile belirtilen sınıflandırma algoritmaları test edilerek performans çıktıları incelenmiştir. LightGBM algoritması 0,98 doğruluk oranı 0,96 kesinlik, 0,90 duyarlılık değerleri ile en yüksek performansı sergilemiştir.