文献

J-GLOBAL ID：201802216309493848   整理番号：18A0488352

不偏信頼保証を用いたAndroidマルウェア検出【Powered by NICT】

Android malware detection with unbiased confidence guarantees

著者 (4件)： Papadopoulos Harris (Department of Computer Science and Engineering, Frederick University, Cyprus) ,  Georgiou Nestoras (Department of Computer Science and Engineering, Frederick University, Cyprus) ,  Eliades Charalambos (Department of Computer Science and Engineering, Frederick University, Cyprus) ,  Konstantinidis Andreas (Department of Computer Science and Engineering, Frederick University, Cyprus)
資料名： Neurocomputing  (Neurocomputing)
巻： 280  ページ： 3-12  発行年： 2018年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： インターネットバンキングなどの敏感な応用のための移動プラットフォームを用いたの普遍性と組み合わせたスマートフォンのデバイスの印象的な成長は,モバイル不正ソフトウェアの急速な増加を引き起こした。最近の文献において,多くの研究はそれらの検出に含まれる不確実性を定量化することなしに,モバイル不正ソフトウェア検出のための最も有望なアプローチとして,機械学習技術を検討した。本論文では,各マルウェア検出において証明可能有効信頼保証を提供することを機械学習動的解析アプローチを提案することにより,この問題に取り組んだ。さらに特に保証を独立に悪性ワームと良性クラスの双方に対して有効である,データのバイアスによって影響を受けなかった。提案されたアプローチは,ランダムフォレスト分類器と結合した共形予測と呼ばれる新しい機械学習フレームワークに基づいている。実アンドロイド装置に1866悪意および4816件の良性アプリケーションを載せることによって収集された大規模データセット上でその性能を調べた。研究関係者に利用可能な動的解析データの収集する。得られた実験結果は,経験的妥当性,提案手法により生成される結果の出力の有用性と不偏性を実証した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 携帯電話 ,  動的解析 ,  バイアス ,  *マルウェア ,  機械学習 ,  不確実性 ,  予測 ,  スマートフォン ,  普遍性 ,  応用プログラム
準シソーラス用語： 大規模データセット ,  ランダムフォレスト ,  インターネットバンキング ,  *マルウェア検出 ,  *アンドロイド , 【Automatic Indexing@JST】

著者キーワード (9件)： マルウェア検出 ,  Android ,  セキュリティ ,  共形予測 ,  クラス不均衡 ,  不偏予測 ,  信頼測度 ,  信頼保証 ,  ランダムフォレスト

分類 (2件)： システム・制御理論一般  (IA02010H) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 信頼 ,  保証 ,  Android ,  マルウェア検出