文献

J-GLOBAL ID：202102292130080794   整理番号：21A0672645

グラフニューラルネットワークによるコールグラフに基づくAndroidマルウェア検出【JST・京大機械翻訳】

Android Malware Detection Based on Call Graph via Graph Neural Network

著者 (6件)： Feng Pengbin (School of Cyber Engineering, Xidian University,Shaanxi,China) ,  Ma Jianfeng (School of Cyber Engineering, Xidian University,Shaanxi,China) ,  Li Teng (School of Cyber Engineering, Xidian University,Shaanxi,China) ,  Ma Xindi (School of Cyber Engineering, Xidian University,Shaanxi,China) ,  Xi Ning (School of Cyber Engineering, Xidian University,Shaanxi,China) ,  Lu Di (School of Computer Science & Technology, Xidian University,Shaanxi,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： NaNA  ページ： 368-374  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： 日常生活におけるAndroidスマートホンの広範な利用により,Androidプラットフォームはマルウェア著者にとって魅力的なターゲットになった。マルウェアの拡散を防止するための自動マルウェア検出手法を開発する緊急の必要性がある。従来の署名ベースの検出法は,複雑なマルウェアの急速な進化や新しいタイプのマルウェアの出現を扱うことができない。動的解析のコードカバレッジと貧弱な効率の限界により,本論文では,グラフニューラルネットワークによる静的解析に基づく新しいAndroidマルウェア検出手法を提案した。アプリケーションプログラミングインタフェイス(API)呼び出し情報を抽出する代わりに,著者らはさらにAndroidアプリケーションのソースコードを分析して,高いレベル意味情報を抽出して,それは回避検出の障壁を増加させる。特に,著者らは,このアプリケーションを表現するためにAndroidアプリケーションの中で関数呼び出し関係から近似呼び出しグラフを構築し,さらに,必要な許可,セキュリティレベルおよび統計的命令情報を含む機能内属性を抽出し,グラフ構造内のノード属性を形成した。次に,アプリケーションのベクトル表現を生成するためにグラフニューラルネットワーク(GNN)を使用し,次に,マルウェア分類をこの表現に関して実行した。実世界アプリケーションサンプルに関する実験を行った。実験結果は,著者らのアプローチが,高い効果的なマルウェア検出を実装し,最先端の検出手法より優れていることを実証した。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： ベクトル ,  *ニューラルネットワーク ,  近似法 ,  検出法 ,  応用プログラム ,  セキュリティ ,  動的解析 ,  スマートフォン ,  *マルウェア
準シソーラス用語： 静的解析 ,  意味情報 ,  ソースコード ,  *アンドロイド ,  *マルウェア検出 ,  Androidアプリケーション , 【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)： グラフニューラルネットワーク ,  コール ,  グラフ ,  Android ,  マルウェア検出