文献

J-GLOBAL ID：202102212795968762   整理番号：21A0673602

機械学習とバイオインスパイアード最適化アルゴリズムを用いたAndroidマルウェア分類【JST・京大機械翻訳】

Android Malware Classification Using Machine Learning and Bio-Inspired Optimisation Algorithms

著者 (4件)： Pye Jack (Computer and Information Sciences, Northmbria University,Newcastle upon Tyne,UK) ,  Issac Biju (Computer and Information Sciences, Northmbria University,Newcastle upon Tyne,UK) ,  Aslam Nauman (Computer and Information Sciences, Northmbria University,Newcastle upon Tyne,UK) ,  Rafiq Husnain (Computer and Information Sciences, Northmbria University,Newcastle upon Tyne,UK)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： TrustCom  ページ： 1777-1782  発行年： 2020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： 近年,Android malwareの個数と社会化が劇的に増加している。分類のために静的解析方法を使用するプロトタイプフレームワークを提案して,それはAndroid malwareを分類するために2つの特徴集合を採用して,Androidmanifest.xmlで宣言された許可とClasses.dexファイルから使用されたAndroidクラスを使用した。次に抽出した特徴を用いて,ランダムフォレスト,SGD,SVMおよびニューラルネットワークを含む多様な機械学習アルゴリズムを訓練した。パーティクルスウォーム最適化,人工ミツバチコロニー最適化(ABC),ホタル最適化および遺伝的アルゴリズムのようなバイオインスパイアード最適化アルゴリズムの使用を含む最適化アルゴリズムを用いて,各機械学習アルゴリズムを最適化した。プロトタイプフレームワークを試験し,3つのデータセットを用いて評価した。CICAdMal2019データセットに対するSVMとABC最適化,KuafuDetデータセットに対するニューラルネットワークを用いた94.9パーセント精度(flスコア96.7パーセント),およびAndro-Dumpデータセットに対するSGD分類器を用いた99.6パーセントの精度を用いて,95.7パーセントの良好な精度を達成した。精度は,より良い特徴選択を通してさらに改良することができた。Copyright 2021 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： *最適化 ,  *最適化手法 ,  ニューラルネットワーク ,  特徴選択 ,  *機械学習 ,  遺伝的アルゴリズム ,  学習アルゴリズム ,  プロトタイプ ,  *マルウェア
準シソーラス用語： 粒子群最適化 ,  静的解析 ,  ランダムフォレスト ,  *アンドロイド , 【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)： 機械学習 ,  最適化アルゴリズム ,  Android ,  マルウェア ,  分類