Publication
Mechanisms for analysis and detection of ransomware in desktop operating systems
| datacite.subject.fos | Engenharia e Tecnologia::Outras Engenharias e Tecnologias | pt_PT |
| dc.contributor.advisor | Pedrosa, Tiago | |
| dc.contributor.advisor | Will, Newton Carlos | |
| dc.contributor.author | Santos, Vinicius Belloli dos | |
| dc.date.accessioned | 2023-06-27T15:06:51Z | |
| dc.date.available | 2023-06-27T15:06:51Z | |
| dc.date.issued | 2023 | |
| dc.description | Mestrado de dupla diplomação com a UTFPR - Universidade Tecnológica Federal do Paraná | pt_PT |
| dc.description.abstract | Ransomware attacks have become a danger to computer systems, leading to data loss, monetary losses, and business interruptions. We propose a machine learning-based method for ransomware detection on Linux to identify these attacks. To detect ransomware activity on the system, our approach combines the file system with a predictive model. To obtain sufficient infection information we use the data from the alteration calls to the files on the file system. This data is then fed into a machine-learning algorithm. Using a dataset we collected from uninfected files and files infected with various types of ransomware and were able to achieve a high detection rate with a low false positive rate. Our methodology can be incorporated into current security programs to improve detection and defense against ransomware attacks in the Linux environment. | pt_PT |
| dc.description.abstract | Os ataques de ransomware se tornaram um perigo para os sistemas de computador, levando à perda de dados, perdas monetárias e interrupções nos negócios. Propomos um método baseado em aprendizado de máquina para detecção de ransomware no Linux para identificar esses ataques. Para detectar a atividade de ransomware no sistema, nossa abordagem combina o sistema de arquivos com um modelo preditivo. Para obter informações suficientes sobre a infecção, usamos os dados das chamadas de alteração dos arquivos no sistema de arquivos. Esses dados são então inseridos em um algoritmo de aprendizado de máquina. Usando um conjunto de dados que coletamos de arquivos não infectados e arquivos infectados com vários tipos de ransomware, conseguimos atingir uma alta taxa de detecção com uma baixa taxa de falsos positivos. Esta metodologia pode ser incorporada nos programas de segurança atuais para melhorar a detecção e a defesa contra ataques de ransomware no ambiente Linux. | pt_PT |
| dc.identifier.tid | 203323424 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10198/28485 | |
| dc.language.iso | eng | pt_PT |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc/4.0/ | pt_PT |
| dc.subject | Ransomware | pt_PT |
| dc.subject | Malware | pt_PT |
| dc.subject | Cybersecurity | pt_PT |
| dc.subject | Threat detection | pt_PT |
| dc.subject | Linux | pt_PT |
| dc.title | Mechanisms for analysis and detection of ransomware in desktop operating systems | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Informática | pt_PT |