Efficient kNN classification of malware from HTTPS data

• Thesis title in Czech: Efektivní kNN klasifikace malwaru z HTTPS dat
• Thesis title in English: Efficient kNN classification of malware from HTTPS data
• Key words: kNN klasifikace, MapReduce, HTTPS data
• English key words: kNN classification, MapReduce, HTTPS data
• Academic year of topic announcement: 2016/2017
• Thesis type: Bachelor's thesis
• Thesis language: angličtina
• Department: Department of Software Engineering (32-KSI)
• Supervisor: doc. RNDr. Jakub Lokoč, Ph.D.
• Author: hidden - assigned and confirmed by the Study Dept.
• Date of registration: 20.10.2016
• Date of assignment: 20.10.2016
• Confirmed by Study dept. on: 28.11.2016
• Date and time of defence: 06.09.2017 00:00
• Date of electronic submission: 21.07.2017
• Date of submission of printed version: 21.07.2017
• Date of proceeded defence: 06.09.2017
• Opponents: RNDr. Leo Galamboš, Ph.D.

Guidelines

Předmětem práce bude naimplementovat a otestovat různé škálovatelné metody pro kNN klasifikaci malwaru z deskriptorů zachycujících vlastnosti HTTPS síťového provozu. Autor vybere jak centralizovanou, tak distribuovanou metodu pro efektivní vyhodnocování kNN dotazů a provede měření rychlosti a přesnosti na anotované kolekci reálných dat. Pro danou úlohu navrhne vhodné možnosti aproximativního hledání.

References

White T. Hadoop: the definitive guide. Fourth edition. Beijing: O'Reilly, 2015. ISBN 1491901632.

Čech P., Kohout J., Lokoč J., Komárek T., Maroušek J., Pevný T. Feature Extraction and Malware Detection on Large HTTPS Data Using MapReduce. LNCS 9939 Springer, SISAP 2016

Lokoč J., Kohout J., Čech P., Skopal T., Pevný T. k-NN Classification of Malware in HTTPS Traffic Using the Metric Space Approach. LNCS 9650 Springer, PAISI 2016

Kohout J., Pevny, T.: Automatic discovery of web servers hosting similar applications. In: 2015 IFIP/IEEE International Symposium on Integrated Network Management (IM) (2015)