Interaktive Unterstützung für Malware Klassifikation

Abstract

Diese Arbeit soll zeigen wie durch Interaktion eine Klassifikation für Malware Samples unterstützt werden und wie dadurch neues Wissen über die Malware Samples erlangt werden kann. Dabei wird mittels eines interaktiven Programmes eine Klassifikation durchgeführt in der durch Feature Selection, Klassifikatorwahl und über Einstellungen die Klassifikation verbessert werden kann. Mittels einer erweiterten Confusion Matrix, die mit Treemaps in den Zellen der Matrix ausbaut wurde, soll die Feature Selection vereinfacht werden und neue Schlüsse aus bestimmten miss-klassifizierten Samples geschlossen werden können. Außerdem soll gezeigt werden, dass es möglich ist squarified Treemaps miteinander zu vergleichen um die Klassifikation der Malware Samples zu verbessern. Dabei soll die Feature Selection mithilfe der Treemaps verfeinert werden können, da diese aus den Features der jeweiligen Klassen zusammengebaut sind. Ferner soll gezeigt werden, dass die erweiterte Confusion Matrix auch auf andere Datensätze angewendet werden kann. Dafür wird ein Intrusion Detection Datensatz eingesetzt, der aus vielen verschiedenen Featuretypen besteht. Es wird gezeigt wie dieser Datensatz mithilfe der erweiterten Confusion Matrix visualisiert werden kann.