文献

J-GLOBAL ID：201902277673776091   整理番号：19A0527188

AMD-EC:アンサンブル分類器を用いた異常ベースのAndroidマルウェア検出【JST・京大機械翻訳】

AMD-EC: Anomaly-based Android malware detection using ensemble classifiers

著者 (3件)： Ghaffari Fariba (Faculty of Electrical and Computer Engineering, Tarbiat Modares University, Tehran, Iran) ,  Abadi Mahdi (Faculty of Electrical and Computer Engineering, Tarbiat Modares University, Tehran, Iran) ,  Tajoddin Asghar (Faculty of Electrical and Computer Engineering, Tarbiat Modares University, Tehran, Iran)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICEE  ページ： 2247-2252  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モバイル機器の人気と使用における著しい増加のために,そのような装置をターゲットとするマルウェアの数も劇的に増加した。Androidマルウェアに直面するために,ゼロ日マルウェアを検出できるいくつかの異常検出技術が提案されている。しかし,それらは,それらを現実世界の使用に対して実用化することができる多くの誤警報をしばしば生成する。本論文では,Androidマルウェアを検出するために,複数の1クラス分類器からなるアンサンブル分類器を用いたエントロピーベースの異常検出技術であるAMD-ECを提示することにより,この問題に取り組んだ。著者らの研究は,複数の分類器を組み合わせることが,個々の分類器よりも高い全体的分類精度をしばしば生成するという観察によって動機づけられる。Androidの良性アプリケーションとマルウェアサンプルの実際のデータセットで行った実験の結果は,AMD-ECが約99.73%の検出率,0.81%の誤警報率,および99.47%の精度を達成できることを示した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： エントロピー ,  応用プログラム ,  *マルウェア
準シソーラス用語： 誤警報率 ,  検出率 ,  分類精度 ,  誤警報 ,  異常検出 ,  モバイルデバイス ,  マルウェア検出 ,  *アンドロイド ,  アンサンブル分類器 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： AMD ,  EC ,  アンサンブル分類器 ,  Android ,  マルウェア検出