文献

J-GLOBAL ID：202002226020196101   整理番号：20A0570521

Addroid: Android Malware分析のためのルールベース機械学習フレームワーク【JST・京大機械翻訳】

AdDroid: Rule-Based Machine Learning Framework for Android Malware Analysis

著者 (7件)： Mehtab Anam (National University of Sciences and Technology, Islamabad, Pakistan) ,  Shahid Waleed Bin (National University of Sciences and Technology, Islamabad, Pakistan) ,  Yaqoob Tahreem (National University of Sciences and Technology, Islamabad, Pakistan) ,  Amjad Muhammad Faisal (National University of Sciences and Technology, Islamabad, Pakistan) ,  Abbas Haider (National University of Sciences and Technology, Islamabad, Pakistan) ,  Afzal Hammad (National University of Sciences and Technology, Islamabad, Pakistan) ,  Saqib Malik Najmus (University of Jeddah, Jeddah, Kingdom of Saudi Arabia)
資料名： Mobile Networks and Applications  (Mobile Networks and Applications)
巻： 25  号： 1  ページ： 180-192  発行年： 2020年 
JST資料番号： W1753A  ISSN： 1383-469X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 近年,Androidマルウェア開発において巨大な成長が見られた。1日から1日の作業へのAndroidの応用に関する巨大な信頼性とそれらの大量の開発は,良性のものから悪性の応用を区別するための自動化された機構のために決定される。この成長する問題を分析し緩和するために,かなりの量の研究が行われている。しかし,攻撃者は,検出を回避するためにより複雑な技術を使用している。本論文は,フレームワーク,AdDroidを提案した。Rulesと呼ばれるアーチファクトの種々の組合せに基づくAndroid応用における悪意のある挙動を分析し,検出する。このアーチファクトは,インターネットへの接続,遠隔サーバへのファイルの追加,またはデバイス上の他のパッケージの実装などのAndroidアプリケーションの動作を代表する。Adaboは,悪意のあるアプリケーションを認識することができるAndroidアプリケーションの静的解析に基づくモデルを訓練するために,従来の分類器と組み合わせている。特徴選択と抽出技術を用いて,最も顕著なルールを得た。提案したモデルは,910の悪性および510の良性アプリケーションを有する1420のAndroidアプリケーションを含むデータセットを用いて作成される。著者らの提案したシステムは,98.61%True陽性(TP)と99.33%True Negative(TN)率で99.11%の精度を達成した。TPとTNの高い割合は,主要なクラスとマイナーなクラスの両方に対する有効性を反映している。提案した解は例外的に低い計算複雑性を持つので,従って実時間での応用を解析することができる。Copyright Springer Science+Business Media, LLC, part of Springer Nature 2019 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ルールベース ,  信頼性 ,  自動化 ,  有効性 ,  *機械学習 ,  マイナ ,  特徴選択 ,  応用プログラム ,  インターネット ,  計算量 ,  マルウェア ,  アーチファクト
準シソーラス用語： 静的解析 ,  Androidアプリケーション ,  *アンドロイド , 【Automatic Indexing@JST】

著者キーワード (5件)： Android Malware分析 ,  静的解析 ,  機械学習 ,  分類モデル ,  モバイルセキュリティ

分類 (2件)： データ保護  (JD01020V) ,  計算機網  (JC03000K)

タイトルに関連する用語 (6件)： Android ,  分析 ,  ルール ,  ベース機械 ,  学習 ,  フレームワーク