Makine öğrenmesi ve evrimsel algoritmalar kullanılarak zararlı yazılım tespiti

Siber tehditlerin karmaşıklığı ve sıklığı arttıkça, ulusal güvenlik ve ekonomik istikrar üzerindeki etkileri nedeniyle sağlam ve uyarlanabilir kötü amaçlı yazılım tespit mekanizmalarına duyulan ihtiyaç kritik önem taşımaktadır. Kötü amaçlı yazılımların tespitten kaçmak için gelişen doğası göz önüne alındığında, kötü amaçlı yazılım özellikleri arasındaki etkileşimleri inceleyerek etkili parametrelerin seçilmesi çok önemlidir. Kötü amaçlı yazılımlar yeni teknolojilere uyum sağladıkça geleneksel imza tabanlı sistemler yetersiz kalmaktadır. Bunu ele almak için, bu tezde kötü amaçlı yazılım davranışına ve özellik ilişkilerine odaklanan yeni bir sistem geliştirilmiştir. Tespit için kritik özellikleri belirlemek üzere çok amaçlı genetik algoritmalar (MOGA'lar) kullanılmakta ve bunlar daha sonra kötü amaçlı yazılımları doğru bir şekilde tespit etmek ve sınıflandırmak için hibrit bir çerçeve içinde makine öğrenimi (ML) algoritmaları tarafından kullanılmaktadır. Bu tezin amacı, Cuckoo Sandbox ortamında en yüksek doğruluğu sağlayan en uygun özellik seçimi ve sınıflandırma yöntemlerini belirlemektir. Özellikle, J48 Karar Ağacı (J48), Azaltılmış Hata Budama Ağacı (REP Ağacı), Uyarlamalı Güçlendirme Modeli 1 (AdaboostM1), Çok Katmanlı Algılayıcı (MLP) ve Naive Bayes (NB) gibi sınıflandırıcılar değerlendirilmiştir. Analiz sonucunda, özellikler arasındaki ilişkiler göz önünde bulundurularak özellik seti 335'ten 200'e indirilmiş, %93,33 gibi yüksek bir doğruluk oranı ve özellik sayısındaki azalmaya bağlı olarak %40'lık bir performans artışı elde edilmiştir. Elde edilen metrikler, kullanılan algoritmalar ve metodolojiler açısından titizlikle karşılaştırılmış ve değerlendirilmiştir. Ayrıca, farklı kötü amaçlı yazılım tespit sınıflandırıcılarının doğru ve yanlış sınıflandırmalarını karşılaştırarak performanslarını değerlendirmek için Mc Nemar's testi kullanılmıştır. Mc Nemar's testinden elde edilen sonuçlar, önerilen sistemin etkinliğini vurgulayan önemli gelişmeler göstermiştir.