Android malware detection using Machine Learning methods

Zdražil, Jan

Android malware detection using Machine Learning methods

DSpace Repository

Language: English čeština

Android malware detection using Machine Learning methods

dc.contributor.advisor	Oulehla, Milan
dc.contributor.author	Zdražil, Jan
dc.date.accessioned	2023-12-20T13:25:27Z
dc.date.available	2023-12-20T13:25:27Z
dc.date.issued	2022-12-02
dc.identifier	Elektronický archiv Knihovny UTB
dc.identifier.uri	http://hdl.handle.net/10563/54274
dc.description.abstract	Výzkum se zabývá využitím algoritmů strojového učení k detekci škodlivých aplikací běžících pod operačním systémem Android. Důraz je kladen na identifikaci charakteristik mobilního malwaru, které vykazují detekční potencionál a následnou tvorbou modelů strojového učení. Tento výzkum přispívá k řešení rostoucí obavy z androidího malwaru a nabízí praktické řešení pro ochranu mobilních zařízení před touto hrozbou. Díky využití nejmodernějších metod strojového učení bude výstup v podobě naučeného modelu využit jako nástroj v penetrační laboratoři PT-LAB v navazujících výzkumech.
dc.format	96 s. (147 305)
dc.language.iso	cs
dc.publisher	Univerzita Tomáše Bati ve Zlíně
dc.rights	Bez omezení
dc.subject	Strojové učení	cs
dc.subject	Škodlivé aplikace	cs
dc.subject	Operační systém Android	cs
dc.subject	Umělé neuronové sítě	cs
dc.subject	Transformátory	cs
dc.subject	Machine learning	en
dc.subject	Malware applications	en
dc.subject	Android operating system	en
dc.subject	Artificial neural networks	en
dc.subject	Transformers	en
dc.title	Android malware detection using Machine Learning methods
dc.title.alternative	Android Malware Detection Using Machine Learning Methods
dc.type	diplomová práce	cs
dc.contributor.referee	Vyskočil, Ladislav
dc.date.accepted	2023-06-15
dc.description.abstract-translated	The research explores the use of machine learning algorithms to detect malicious applications running on the Android operating system. The focus is on the identification of features from Android applications that exhibit detection potential and the subsequent creation of machine learning models. This research contributes to address the growing concern of Android malware and offers a practical solution to protect mobile devices from this threat. Using state-of-the-art machine learning methods, the output in the form of a trained model will be used as a tool in the PT-LAB penetration lab in follow-up research.
dc.description.department	Ústav informatiky a umělé inteligence
dc.thesis.degree-discipline	Kybernetická bezpečnost	cs
dc.thesis.degree-discipline	Cyber Security	en
dc.thesis.degree-grantor	Univerzita Tomáše Bati ve Zlíně. Fakulta aplikované informatiky	cs
dc.thesis.degree-grantor	Tomas Bata University in Zlín. Faculty of Applied Informatics	en
dc.thesis.degree-name	Ing.
dc.thesis.degree-program	Informační technologie	cs
dc.thesis.degree-program	Information Technologies	en
dc.identifier.stag	63422
dc.date.submitted	2023-05-19