Classification of Methamorphic Malware with Deep Learning(LSTM)

Yazı, Ahmet Faruk; Çatak, Ferhat Özgür; GÜL, ENSAR

doi:10.1109/SIU.2019.8806571

Classification of Methamorphic Malware with Deep Learning(LSTM)

Yazarlar (3)
Ahmet Faruk Yazı İstanbul Şehir Üniversitesi, Türkiye
Ferhat Özgür Çatak Türkiye Bilimsel ve Teknolojik Araştirma Kurumu, Türkiye
Prof. Dr. Ensar GÜL Kurum Bilgileri Mühendislik ve Mimarlık Fakültesi Bilgisayar Mühendisliği Bölümü Bilgisayar Mühendisliği (İngilizce) Özgeçmiş Sayfası İletişim Bilgileri: Maltepe Üniversitesi, Türkiye

Devamını Göster

Özet

Nowadays, anti-virus applications using traditional signature-based detection methods fail to detect metamorphic malware. For this reason, recent studies on the detection and classification of malicious software address the behavior of malware. In this study, an LSTM based classification method was developed by using API calls of 8 different types of real malware. With this method, the behaviors of the malware types on the operating system are modeled.

Anahtar Kelimeler

Metamorphic malware | Windows API | deep learning | LSTM

Bildiri Türü	Tebliğ/Bildiri
Bildiri Alt Türü	Tam Metin Olarak Yayınlanan Tebliğ (Uluslararası Kongre/Sempozyum)
Bildiri Niteliği	Web of Science Kapsamındaki Kongre/Sempozyum
Bildiri Dili	İngilizce
Kongre Adı	2019 27th Signal Processing and Communications Applications Conference (SIU)
Kongre Tarihi	24-04-2019 / 26-04-2019
Basıldığı Ülke
Basıldığı Şehir	Sivas, Turkey

BM Sürdürülebilir Kalkınma Amaçları

Atıf Sayıları
WoS	15
SCOPUS	22
Google Scholar	35

Classification of Methamorphic Malware with Deep Learning(LSTM)

Akademisyenler > Ensar GÜL > Yayın Detayı

Classification of Methamorphic Malware with Deep Learning(LSTM)

Paylaş