文献

J-GLOBAL ID：202102222977407842   整理番号：21A3343839

擬似ラベル積層オートエンコーダを用いた効果的で効率的なハイブリッドAndroidマルウェア分類【JST・京大機械翻訳】

Effective and Efficient Hybrid Android Malware Classification Using Pseudo-Label Stacked Auto-Encoder

著者 (3件)： Mahdavifar Samaneh (Canadian Institute for Cybersecurity (CIC), Faculty of Computer Science, University of New Brunswick, Fredericton, NB, Canada) ,  Alhadidi Dima (School of Computer Science, University of Windsor, Windsor, ON, Canada) ,  Ghorbani Ali. A. (Canadian Institute for Cybersecurity (CIC), Faculty of Computer Science, University of New Brunswick, Fredericton, NB, Canada)
資料名： Journal of Network and Systems Management  (Journal of Network and Systems Management)
巻： 30  号： 1  ページ： 22  発行年： 2022年 
JST資料番号： W0721A  ISSN： 1064-7570  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： アンドロイドは,その人気のために攻撃者の目標になった。Androidモバイルマルウェアの検出は,その重大な脅威のためにますます重要になった。Androidマルウェアを検出するのに使用される教師つき機械学習は,大量のラベル付きデータを必要とするので,完全から遠い。ラベル付けされたデータが高価で入手が難しいので,ラベル無しデータが豊富で安価であるので,ラベル付きとラベル無しインスタンスの集合を用いた訓練を含む擬似ラベル積層自動エンコーダ(PLSAE)の半教師つき学習技術に頼る。著者らは,動的解析と静的解析のハイブリッド方式を,技術特徴ベクトルに使った。5つの異なるAndroid appsカテゴリーの17,341の最も最近のサンプルを含むCICMalDroid2020に関する提案モデルを評価した。その後,精度および効率に関して最先端の技法と結果を比較した。実験結果は,提案フレームワークが他の半教師つき手法と一般的機械学習アルゴリズムより優れていることを示した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *符号器 ,  学習アルゴリズム ,  動的解析 ,  *マルウェア
準シソーラス用語： 特徴ベクトル ,  静的解析 ,  半教師つき学習 ,  *アンドロイド , 【Automatic Indexing@JST】

著者キーワード (7件)： Androidマルウェア ,  カテゴリー ,  分類 ,  ハイブリッド解析 ,  半教師つき学習 ,  積層オートエンコーダ ,  深層学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 擬似 ,  ラベル ,  オートエンコーダ ,  Android ,  マルウェア ,  分類