文献

J-GLOBAL ID：201702270535081370   整理番号：17A1399793

DeepFlow高感度データの異常利用のための採掘Android応用による深い学習に基づくマルウェア検出【Powered by NICT】

DeepFlow: Deep learning-based malware detection by mining Android application for abnormal usage of sensitive data

著者 (5件)： Dali Zhu (Institute of Information Engineering, School of Cyber Security, University of Chinese Academy of Sciences, Beijing, China) ,  Hao Jin (Institute of Information Engineering, School of Cyber Security, University of Chinese Academy of Sciences, Beijing, China) ,  Ying Yang (Institute of Information Engineering, School of Cyber Security, University of Chinese Academy of Sciences, Beijing, China) ,  Wu Di (Institute of Information Engineering, School of Cyber Security, University of Chinese Academy of Sciences, Beijing, China) ,  Weiyi Chen (Institute of Optoelectronics, School of Computer Control, University of Chinese Academy of Sciences, Beijing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ISCC  ページ： 438-443  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： Androidの開放性質はアプリケーション開発者はシステムの十分な長所の取り込みを許す。柔軟性は開発者とユーザになるが,それは悪意のある応用に関連した重要な問題を引き起こす可能性がある。新しいマルウェアを扱う場合の特徴や異常行動に基づく伝統的なマルウェア検出法は無効であった。問題を解決するために,機械学習アルゴリズムは,マルウェアと良性アプリケーションの間の違いを自動的に学習に使用されている。,機械学習の新しい分野として,深層学習は,試料のより良い特性化として急速に進展している。DeepFlow,Android応用における流れデータから直接マルウェアを同定するための新規な深学習ベースアプローチを提案した。千benignwareとマルウェアのDeepFlowを試験した。結果はDeepFlowは95.05%の高い検出F1スコアを達成し,伝統的な機械学習ベースアプローチ,マルウェア検出における深い学習手法の利点を明らかにすることをことを示した。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： 高速度 ,  *マルウェア ,  機械学習 ,  *学習 ,  高感度 ,  学習アルゴリズム ,  キャラクタリゼーション ,  柔軟性 ,  応用プログラム
準シソーラス用語： スコア ,  深層学習 ,  異常行動 ,  アプリケーション開発 ,  *マルウェア検出 ,  *アンドロイド , 【Automatic Indexing@JST】

分類 (1件)： データ保護  (JD01020V)

タイトルに関連する用語 (6件)： 高感度 ,  採掘 ,  Android ,  応用 ,  学習 ,  マルウェア検出