文献

J-GLOBAL ID：201702283188587380   整理番号：17A1350335

FgDetector:細粒度Androidマルウェア検出【Powered by NICT】

FgDetector: Fine-Grained Android Malware Detection

著者 (6件)： Li Dongfang ,  Wang Zhaoguo ,  Li Lixin ,  Wang Zhihua ,  Wang Yucheng ,  Xue Yibo
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： DSC  ページ： 311-318  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： スマートフォンは急速に我々の生活に必要になってきているとAndroidは最も一般的な移動オペレーティングシステムの一つである。しかし,良性応用の背後に隠されたAndroid悪意のある多数のアプリケーションはAndroidプラットフォームに重大な脅威をもたらす。本論文では,FgDetector,自動的にマルウェア検出ツール,機械学習モデルを提案・実装してきた。FgDetectorは,Androidアプリケーションから特徴を抽出し,応用が悪意のあるかどうかを検出する検出モデルを訓練するための低次元特徴ベクトルに変換できる。さらに,悪意のある応用を同定するときFgDetectorは細粒のマルウェアを分類できた。より良い評価するために,著者らはFgDetectorの実現可能性を証明するために123年,453良性応用と5560マルウェアセット公衆データによる評価を行った。著者らの実験結果は,FgDetectorは二値分類またはマルチクラス分類におけるかどうかをいくつかの関連する伝統的な機械学習モデルより優れていることを示した。悪意のある応用の詳細なマルウェアファミリーを検出するときFgDetectorはマルウェアの99.20%を検出高F1スコアと,93.77%の精度を達成することができる。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： 応用プログラム ,  スマートフォン ,  機械学習 ,  *マルウェア ,  高速度 ,  オペレーティングシステム
準シソーラス用語： スコア ,  二値分類 ,  特徴ベクトル ,  低次元 ,  Androidアプリケーション ,  *マルウェア検出 ,  *アンドロイド ,  細粒度 , 【Automatic Indexing@JST】

分類 (2件)： データ保護  (JD01020V) ,  移動通信  (ND08030H)

タイトルに関連する用語 (3件)： 細粒度 ,  Android ,  マルウェア検出