Виявлення кейлогерів рівня ядра за допомогою алгоритмів машинного навчання

Article Sidebar

PDF
Number of views 144

Published: Feb 16, 2024
Issue
No. 188 (2024): 15th ISPC «Scientific Research in XXI Century» (February 16-18, 2024; Ottawa, Canada).
Section
Information and Web technologies
Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Main Article Content

Леонід Гальчинський
Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського»; Україна
https://orcid.org/0000-0002-3805-1474
Геннадій Шибаєв
Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського»; Україна

Abstract

Протягом усього часу криміналісти(або їх колеги з історії) намагалися розробити найнадійніші методи захисту інформації. На зараз найпоширеніший метод обробки інформації є комп'ютерна, тому перед сьогоднішніми спеціалістами захисту інформації стоїть задача саме захисту даних в ЕОМ, в яких найпоширенішим методом вводу інформації є ввід даних з клавіатури від користувача. Реєстрація натиснення клавіш, також відомо як кейлоггінг,полягає у перехопленні кодів натиснутих клавіш від користувача. Ці дані можуть містити паролі, особисті листування, чи іншу конфіденційну інформацію.Тому дуже важливо приділяти уваги цьому методу взаємодії користувача зі своєю «машиною», бо саме через цей метод зловмисник може вкрасти інформацію безпосередньо з клавіатури. На відміну від традиційних шкідливих програм як віруси, деякі типи кейлогерів неможливо виявити сучасними методами антивірусного захисту. В роботі наведено результати дослідження застосування алгоритмів машинного навчання для завдання визначення наявності роботі кейлогера в режимі ядра.


Google Scholar


Article Details

How to Cite
Гальчинський, Л., & Шибаєв, Г. (2024). Виявлення кейлогерів рівня ядра за допомогою алгоритмів машинного навчання. Scientific Collection «InterConf», (188), 407–411. Retrieved from https://archive.interconf.center/index.php/conference-proceeding/article/view/5433

References

Шибаєв, Г., & Гальчинський, Л. (2023). Виявлення роботи кейлоггерів допомогою алгоритму дендритної клітинки з багаторазовою роздільною здатністю. Grail of Science, (30), 173-176. https://doi.org/10.36074/grail-of-science.

N. Moustafa, B. Turnbull, K.-K.R. Choo, An ensemble intrusion detection technique based on proposed statistical flow features for protecting network traffic of internet of things, IEEE Internet Things J. (2018).

Linux Kernel Module Programming http://www.tldp.org/LDP/lkmpg/

Complete Linux Loadable Kernel Modules - Pragmatic http://www.thehackerschoice.com/papers/LKM_HACKING.html

The Linux keyboard driver - Andries Brouwer http://www.linuxjournal.com/lj-issues/issue14/1080.html

Alsemiri, Jadel & Alsubhi, Khalid. (2019). Internet of Things Cyber Attacks Detection using Machine Learning. International Journal of Advanced Computer Science and Applications.