文献

J-GLOBAL ID：202002237233480906   整理番号：20A1611652

ネットワークトラヒックを用いたAndroidマルウェア検出のための2層深層学習法【JST・京大機械翻訳】

A Two-Layer Deep Learning Method for Android Malware Detection Using Network Traffic

著者 (5件)： Feng Jiayin (School of Information Science and Engineering, Yanshan University, Qinhuangdao, China) ,  Shen Limin (School of Information Science and Engineering, Yanshan University, Qinhuangdao, China) ,  Chen Zhen (School of Information Science and Engineering, Yanshan University, Qinhuangdao, China) ,  Wang Yuying (School of Information Science and Engineering, Yanshan University, Qinhuangdao, China) ,  Li Hui (School of Information Science and Engineering, Yanshan University, Qinhuangdao, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 125786-125796  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 開放性と柔軟性の特性のため,Androidは最も一般的なモバイルプラットフォームになった。しかし,それはモバイルマルウェアによって最も目標になったシステムになった。ユーザにとっては高速で信頼性のある検出方法が必要である。本論文では,Android APPにおけるマルウェアを検出する2層法を提案した。第1層は,許可,意図および成分情報ベースの静的マルウェア検出モデルであった。それは,完全接続ニューラルネットワークと静的特徴を結合して,マルウェアを検出し,実験によってその有効性をテストし,第1層の検出率は95.22%であった。次に,結果(第1層からの良性APP)を第2層に入力した。第2の層において,CNNとAutoEncoderをカスケードする新しい方法CACNNを用いて,APPのネットワークトラフィック特徴を通してマルウェアを検出した。第二層の検出率は,バイナリ分類(2-分類器)において99.3%であった。さらに,新しい2層モデルは,そのカテゴリー(4分類器)と悪意のある家族(40分類器)によってマルウェアを検出することもできた。検出率は,それぞれ98.2%と71.48%であった。実験結果は,著者らの2層方式が,半教師つき学習を達成できるだけではなく,また,悪意のあるAndroid APPsの検出率を効果的に改良することができることを示した。Copyright 2020 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： 信頼性 ,  *ネットワーク ,  ニューラルネットワーク ,  柔軟性 ,  検出法 ,  単一層 ,  有効性 ,  携帯電話 ,  *マルウェア
準シソーラス用語： ネットワークトラフィック ,  半教師つき学習 ,  検出率 ,  二層 ,  *マルウェア検出 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  計算機網  (JC03000K) ,  データ保護  (JD01020V)

タイトルに関連する用語 (5件)： トラヒック ,  Android ,  マルウェア検出 ,  2層 ,  深層学習