Development of Advanced Malware Action Simulator
Makartsov, Artem |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos pirmininkas / Thesis Defence Board Chairman | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Recenzentas / Rewiewer | |
Recenzentas / Rewiewer |
Pastaraisiais metais kenkėjiškų programų aplinka smarkiai pasikeitė - nuolat atsiranda vis sudėtingesnių grėsmių. Didžiausią susirūpinimą kelia šnipinėjimo ir pažangių kenkėjiškų programų kampanijos, ypač pažangios nuolatinės grėsmės, kurios yra sukurtos taip, kad įsiskverbtų į sistemas ir jose išliktų nepastebėtos ilgą laiką, dažnai išvengdamos tradicinių aptikimo metodų, pavyzdžiui, parašais pagrįstų sistemų. Tai yra didelis iššūkis, nes dėl to reikia kurti pažangesnes aptikimo strategijas ir metodikas. Tobulėjant kibernetinio saugumo apsaugos priemonėms, tobulėja ir kenkėjiškų programų kūrėjų taktika, todėl vyksta gynybos priemonių ir kenkėjiškų naujovių ginklavimosi varžybos. Ši dinamika sustiprino kenkėjiškų programų aptikimo metodų, taip pat išsamių duomenų rinkinių šiems metodams išbandyti ir tobulinti poreikį. Siekiant patenkinti šį poreikį, šiame tyrime aptariamas imitacinio modelio ir tikro imitacinio įrenginio, sukurto ir išplėtoto kenkėjiškam elgesiui imituoti ir rinkti, kūrimas. Šia programine įranga siekiama užpildyti kritinę išteklių, skirtų sudėtingai kenkėjiškų programų veiklai imituoti, spragą, kuri gali būti naudojama mokantis pažangių aptikimo metodų. Šis duomenų rinkinys labai svarbus tyrėjams, siekiantiems tobulinti anomalijų aptikimo ir elgsena grindžiamas aptikimo technologijas. Įvertinus imitatorių patvirtinta, kad jis sugeba atkartoti sudėtingą kenkėjiškų programų elgseną.
The landscape of malware has changed drastically in recent years, with increasingly sophisticated threats emerging continually. The most concerning are those used for espionage and advanced malware campaigns, notably advanced persistent threats, they are designed to infiltrate and linger undetected in systems for prolonged periods, often evading traditional detection methods like signature-based systems. This presents a significant challenge as it necessitates the development of more advanced detection strategies and methodologies. As cybersecurity defenses evolve, so too do the tactics of malware creators, leading to an arms race between defensive measures and malicious innovations. This dynamic has amplified the need for approaches to malware detection, as well as comprehensive datasets for testing and refining these methods. To address this need, this research discusses the development of a simulator model and an actual simulator designed and developed to simulate and gather malicious behavior. This software aims to fill the critical gap in resources for simulating the sophisticated activities of malware, which can be used in training advanced detection methods. This dataset is crucial for researchers aiming to improve anomaly detection and behavior-based detection technologies. The evaluation of the simulator confirmed its ability in replicating complex malware behaviors.