文献

J-GLOBAL ID：202002210884441432   整理番号：20A1997560

Androidマルウェア検出のための機械学習アルゴリズムの応用【JST・京大機械翻訳】

Application of Machine Learning Algorithms for Android Malware Detection

著者 (3件)： Kakavand Mohsen (School of Science & Technology, Sunway University, Kuala Lumpur, Malaysia) ,  Dabbagh Mohammad (School of Science & Technology, Sunway University, Kuala Lumpur, Malaysia) ,  Dehghantanha Ali (School of Computer Science, University of Guelph, Ontario, Canada)
資料名： ACM Proceedings  (ACM Proceedings)
号： CIIS 2018  ページ： 32-36  発行年： 2018年 
JST資料番号： D0698C  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スマートな考案の人気が増加するので,Androidマルウェアの戦争は,次第に複雑な回避技術を含む新しい攻撃の出現を伴う重要な活動と考えられており,その結果,より多くの切断エッジ検出技術を必要とする。したがって,本論文では,サポートベクトルマシン(SVM)とK最近傍(KNN)と呼ばれる2つの機械学習(ML)アルゴリズムを適用し,教師つき学習過程を通して,良性または悪意のあるアプリケーション(apps)のいずれかに特徴集合の分類を行うために評価した。本研究は,Android appsの表示ファイルにおけるキーワードの存在および周波数をチェックし,より良いマルウェア検出結果を生成するために,400-appデータセットから静的特徴集合を導出する,appsの静的解析を含む。MLアルゴリズムの分類性能を,精度と真の陽性率に関して測定し,そして,どのアルゴリズムがAndroidマルウェア検出に適用できるかを決定するために解釈した。実マルウェアと良性アプリのデータセットの実験結果は,SVMとKNNを用いて,それぞれ67.00%と80.00%の平均真陽性率で,平均精度79.08%と80.50%を示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  キーワード ,  教師つき学習 ,  検出法 ,  応用プログラム ,  *機械学習 ,  *学習アルゴリズム ,  サポートベクトルマシン ,  *マルウェア
準シソーラス用語： 静的解析 ,  *アンドロイド ,  *マルウェア検出 , 【Automatic Indexing@JST】

著者キーワード (5件)： Androidマルウェア検出 ,  KNN ,  機械学習 ,  SVM ,  静的解析

分類 (1件)： データ保護  (JD01020V)

タイトルに関連する用語 (5件)： Android ,  マルウェア検出 ,  機械学習 ,  アルゴリズム ,  応用