文献

J-GLOBAL ID：201702265445257090   整理番号：17A1260593

深部ニューラルネットワークを用いたモバイルマルウェア検出【Powered by NICT】

Mobile malware detection using deep neural network

著者 (2件)： Bulut Irfan (Bilgisayar Muehendisligi, Yildiz Teknik Ueniversitesi, 34220 Esenler - Istanbul, Tuerkiye) ,  Yavuz A. Gokhan (Bilgisayar Muehendisligi, Yildiz Teknik Ueniversitesi, 34220 Esenler - Istanbul, Tuerkiye)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： SIU  ページ： 1-4  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 知的システムとインターネット接続デバイスの数は劇的に増加するとマルウェアは,過去におけるよりも有害となっている。流行になるとユーザを加害するからそれを停止するためにサイバーセキュリティにおける最も重要な問題の一つは可能な限り短い時間で以前に未知のマルウェアの検出になってきた。以前に同定されたマルウェアの特徴データベースを用いた抗ウイルス(antimalware)システムは,既存のマルウェアを同定はしたが,新しいマルウェアのための同一検出性能を達成するからはほど遠い。,マルウェアを決定し,分類に適用した機械学習法。より良い性能を達成するために機械学習アルゴリズムでは,静的には得られないマルウェアからの特徴を収集するサンドボックスのマルウェアを実行する必要がある。しかし,この事実は,マルウェアを与えたのは砂箱環境を検出し,それらの悪意のある行動を変化させた正常挙動への機械学習ベース分析を誤った方向に導く特に抗解析技術を開発し上部ハンド。そこで本研究では,サンドボックス環境における実行を必要とせずにモバイル不正ソフトウェアの予測のための深層学習に基づく新しいモデルを提案した。許可が特徴として使われた。自動エンコーダを用いたそれらの重みを最適化し,それらは93.67%の精度で多層パーセプトロンを分類した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 機械学習 ,  データベース ,  学習アルゴリズム ,  インターネット ,  符号器 ,  ウイルス ,  *携帯電話 ,  *マルウェア ,  最適化 ,  多層パーセプトロン
準シソーラス用語： 深層学習 ,  サンドボックス ,  サイバーセキュリティ ,  インテリジェントシステム ,  *マルウェア検出 , 【Automatic Indexing@JST】

分類 (3件)： データ保護  (JD01020V) ,  電力系統一般  (NB02000E) ,  計算機網  (JC03000K)

タイトルに関連する用語 (3件)： 深部ニューラルネットワーク ,  モバイル ,  マルウェア検出