View in EDS

Разработка антивирусного решения на основе нейронных сетей : магистерская диссертация ; Development of an antivirus solution based on neural networks

Saved in:
Bibliographic Details
Title: Разработка антивирусного решения на основе нейронных сетей : магистерская диссертация ; Development of an antivirus solution based on neural networks
Authors: Калиберда, А. А., Kaliberda, A. A.
Contributors: Долганов, А. Ю., Dolganov, A. Y., УрФУ. Институт радиоэлектроники и информационных технологий-РТФ, Кафедра информационных технологий и систем управления
Publisher Information: б. и.
Publication Year: 2024
Collection: Ural Federal University (URFU): ELAR / Уральский федеральный университет: электронный архив УрФУ
Subject Terms: MASTER'S THESIS, ANTI-VIRUS SOFTWARE, NEURAL NETWORKS, MACHINE LEARNING, FILE CLASSIFICATION, CYBERSECURITY, ZERO-DAY ATTACK, DEEP LEARNING, МАГИСТЕРСКАЯ ДИССЕРТАЦИЯ, АНТИВИРУСНОЕ ПО, НЕЙРОННЫЕ СЕТИ, МАШИННОЕ ОБУЧЕНИЕ, КЛАССИФИКАЦИЯ ФАЙЛОВ, КИБЕРБЕЗОПАСНОСТЬ, АТАКА НУЛЕВОГО ДНЯ, ГЛУБОКОЕ ОБУЧЕНИЕ
Description: The object of the study is malware and methods for its detection. The subject of the study is machine learning algorithms and neural networks for classifying files into malicious and safe. The purpose of the work is to develop an antivirus solution based on neural networks. Relevance of the work: the acceleration of the digitalization process makes the issue of protecting confidential data critically important. Traditional methods of antivirus protection are ineffective against zero-day attacks; more intelligent solutions are needed. Research methods: literature review, comparative analysis of machine learning algorithms and models, experimental studies, supervised learning, model validation and testing, software development, iterative testing. Results of the work: the antivirus software "Arbiter v2.5" has been created, surpassing existing neural network solutions. High accuracy of threat detection, including zero-day attacks, has been experimentally proven. Scientific novelty lies in the application of neural network language models for anti-virus file analysis. The proposed approach demonstrates significant potential for improving the issue of cybersecurity and has prospects for further research. ; Объект исследования – вредоносное ПО и методы его обнаружения. Предметом исследования являются алгоритмы машинного обучения и нейронные сети для классификации файлов на вредоносные и безопасные. Цель работы – разработка антивирусного решения на основе нейронных сетей. Актуальность работы: ускорение процесса цифровизации делает вопрос защиты конфиденциальных данных критически важным. Традиционные методы антивирусной защиты малоэффективны против атак «нулевого дня», необходимы более интеллектуальные решения. Методы исследования: литературный обзор, сравнительный анализ алгоритмов и моделей машинного обучения, экспериментальные исследования, обучение с учителем, валидация и тестирование модели, разработка ПО, итерационное тестирование. Результаты работы: создано антивирусное ПО «Arbiter v2.5», превосходящее ...
Document Type: master thesis
File Description: application/pdf
Language: Russian
Relation: http://elar.urfu.ru/handle/10995/140331
Availability: http://elar.urfu.ru/handle/10995/140331
Rights: Предоставлено автором на условиях простой неисключительной лицензии ; http://elar.urfu.ru/handle/10995/31612
Accession Number: edsbas.418A793A
Database: BASE
Description
Abstract:The object of the study is malware and methods for its detection. The subject of the study is machine learning algorithms and neural networks for classifying files into malicious and safe. The purpose of the work is to develop an antivirus solution based on neural networks. Relevance of the work: the acceleration of the digitalization process makes the issue of protecting confidential data critically important. Traditional methods of antivirus protection are ineffective against zero-day attacks; more intelligent solutions are needed. Research methods: literature review, comparative analysis of machine learning algorithms and models, experimental studies, supervised learning, model validation and testing, software development, iterative testing. Results of the work: the antivirus software "Arbiter v2.5" has been created, surpassing existing neural network solutions. High accuracy of threat detection, including zero-day attacks, has been experimentally proven. Scientific novelty lies in the application of neural network language models for anti-virus file analysis. The proposed approach demonstrates significant potential for improving the issue of cybersecurity and has prospects for further research. ; Объект исследования – вредоносное ПО и методы его обнаружения. Предметом исследования являются алгоритмы машинного обучения и нейронные сети для классификации файлов на вредоносные и безопасные. Цель работы – разработка антивирусного решения на основе нейронных сетей. Актуальность работы: ускорение процесса цифровизации делает вопрос защиты конфиденциальных данных критически важным. Традиционные методы антивирусной защиты малоэффективны против атак «нулевого дня», необходимы более интеллектуальные решения. Методы исследования: литературный обзор, сравнительный анализ алгоритмов и моделей машинного обучения, экспериментальные исследования, обучение с учителем, валидация и тестирование модели, разработка ПО, итерационное тестирование. Результаты работы: создано антивирусное ПО «Arbiter v2.5», превосходящее ...