Обнаружение и классификация вредоносного программного обеспечения в среде IoT с использованием методов глубокого обучения : магистерская диссертация

Abstract

The work investigates deep learning methods for detecting and classifying malware in Internet of Things (IoT) environments. Approaches using convolutional and recurrent neural networks are considered for analyzing static and dynamic file characteristics to identify malicious activity. The development of software capable of classifying files as malicious or legitimate, as well as determining the types of detected malware, is proposed. The results of the work can be applied in IoT security systems for timely detection and prevention of malware spread, protecting connected devices and user data.

В работе исследуются методы глубокого обучения для обнаружения и классификации вредоносного программного обеспечения (ПО) в средах Интернета вещей (IoT). Рассматриваются подходы с использованием сверточных и рекуррентных нейронных сетей для анализа статических и динамических характеристик файлов с целью выявления вредоносной активности. Предлагается разработка программного обеспечения, способного классифицировать файлы как вредоносные или легитимные, а также определять типы обнаруженного вредоносного ПО. Результаты работы могут найти применение в системах безопасности IoT для своевременного обнаружения и предотвращения распространения вредоносного ПО, защищая подключенные устройства и данные пользователей.