文献

J-GLOBAL ID：202102260449743651   整理番号：21A0560724

機械学習と深層学習モデルを用いた難読モバイルマルウェアの検出【JST・京大機械翻訳】

Detection of Obfuscated Mobile Malware with Machine Learning and Deep Learning Models

著者 (4件)： Dhanya K. A. (TIFAC CORE in Cyber Security, Amrita School of Engineering, Amrita University, Coimbatore, India) ,  Dheesha O. K. (SCMS School of Engineering and Technology, Cochin, India) ,  Gireesh Kumar T. (TIFAC CORE in Cyber Security, Amrita School of Engineering, Amrita University, Coimbatore, India) ,  Vinod P. (SCMS School of Engineering and Technology, Cochin, India)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1366  ページ： 221-231  発行年： 2021年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
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： 不正なコードを隠し,抗ウイルス走査を上回るため,不正ソフトウェアによって,混乱技術を使用した。機械学習技術,特に深層学習技法は,混乱したマルウェアサンプルを同定するために十分に強い。混乱マルウェア検出に関する深層学習モデルの性能を,ランダムフォレスト(RF),分類および回帰ツリー(CART)およびK最近傍(KNN)のような従来の機械学習モデルと比較した。性能を評価するために,静的(ハードウェアと許可)と動的特徴(システムコール)の両方を考慮した。モデルは,精度,再現,F1スコア,および精度である計量を用いて評価される。本研究では,相関ルールマイニングを用いて,混乱変換属性も扱った。ランダムフォレストは,良性のサンプルで0.99のF1-Score,マルウェアで0.95,および特徴としてシステムコールで混乱したマルウェアで0.94の最良結果をもたらした。フィードフォワードアーキテクチャを有する深層学習ネットワークは,それぞれ,0.99,0.96,および0.97のF1-Scoreで,良性,マルウェア,混乱マルウェアサンプルを同定できる。Copyright Springer Nature Singapore Pte Ltd. 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ネットワーク ,  フィードフォワード ,  ハードウェア ,  カオス ,  計算機アーキテクチャ ,  *機械学習 ,  *マルウェア
準シソーラス用語： システムコール ,  ランダムフォレスト ,  マルウェア検出 ,  機械学習技術 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： 混乱マルウェア検出 ,  機械学習 ,  深層学習 ,  ランダムフォレスト ,  分類と回帰木 ,  K最近傍

分類 (2件)： 人工知能  (JE08000Z) ,  データ保護  (JD01020V)

タイトルに関連する用語 (6件)： 機械学習 ,  深層学習 ,  モデル ,  難読 ,  モバイル ,  マルウェア