IDENTIFYING MALWARE FAMILIES USING PATTERN MATCHING TECHNIQUE

Abstract

Bilişim teknolojisinin son on yılda gelişimi, kullanıcıları için özellikle kötü amaçlı yazılım şeklinde tehditler yarattı. Bunun nedeni, siber güvenlik tehditlerinin çoğunun artık kötü amaçlı yazılım uygulamaları olmasıdır. Ayrıca, her gün yeni kötü amaçlı yazılımlar kullanıma sunulmaktadır. Ancak, kötü amaçlı yazılımların çoğu sıfırdan oluşturulmaz. Bu nedenle, bu araştırma tezi kötü amaçlı yazılım ailelerini tanımlamak için dizeleri eşleştirme yöntemlerini tartışmaktadır. Naïve, Rabin – Karp, Brute Force, Knuth – Morris – Pratt ve Boyer – Moore eşleştirme algoritmaları kullanılarak kötü amaçlı yazılımların benzerliği araştırılıp karşılaştırılmıştır. Bu araştırmada, seçilen algoritmaların kötü amaçlı yazılım uygulamaları arasındaki zincir benzerliklerinin tespitinde etkili olduğu kanıtlanmıştır.

The evolution of computing technology over the past decade has created threats for its users, especially in the form of malware. This is because most cybersecurity threats are now malware applications. In addition, new malware is being introduced every day. However, most malware is not created from scratch. As such, this research thesis discusses methods of matching strings to identify families of malware. Application programming interface calls were researched and compared using the following five pattern matching algorithms: Naïve, Rabin–Karp, Brute Force, Knuth–Morris–Pratt, and Boyer–Moore. In this research, the chosen algorithms proved effective in detecting chain similarities between malware applications