文献

J-GLOBAL ID：202202217302824967   整理番号：22A0732271

効率的なネット畳込みニューラルネットワークベースのAndroidマルウェア検出【JST・京大機械翻訳】

EfficientNet convolutional neural networks-based Android malware detection

著者 (5件)： Yadav Pooja (VMware, Bangalore, India) ,  Menon Neeraj (VMware, Bangalore, India) ,  Ravi Vinayakumar (Center for Artificial Intelligence, Prince Mohammad Bin Fahd University, Khobar, Saudi Arabia) ,  Vishvanathan Sowmya (Center for Computational Engineering and Networking, Amrita School of Engineering, Amrita Vishwa Vidyapeetham, Coimbatore, India) ,  Pham Tuan D. (Center for Artificial Intelligence, Prince Mohammad Bin Fahd University, Khobar, Saudi Arabia)
資料名： Computers & Security  (Computers & Security)
巻： 115  ページ： Null  発行年： 2022年 
JST資料番号： E0995A  ISSN： 0167-4048  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： マルウェア脅威の数の増加と複雑性のために,自動マルウェア検出に関する研究はネットワークセキュリティの分野において最新の話題になった。伝統的なマルウェア検出技術は,アプリケーションにおけるすべてのマルウェアファイルのマニュアル分析を含むため,多くの人間の介入と資源(時間と記憶に関して)を必要とする。さらに,マルウェアの著者は,抗ウイルス企業によって採用された従来の署名ベースの検出手法を回避する,多型とコード混乱のような技術を開発した。この問題を解決するため,深層学習(DL)手法によって可能になったマルウェア検出が最近使用されている。本論文は,Androidマルウェア検出における26の最先端の事前訓練畳込みニューラルネットワーク(CNN)モデルの性能比較を提示する。また,SVMとRF分類器による大規模学習とCNNモデルによるスタッキングにより得られた性能も含めた。結果に基づいて,Android DEXファイルの画像ベースのマルウェア表現を用いてAndroidマルウェアを検出するために,効率的なNet-B4 CNNベースのモデルを提案した。効率的なNet-B4はマルウェア画像から関連する特徴を抽出する。次に,これらの特徴を大域的平均プール層を通して通過し,ソフトマックス分類器に供給した。提案方法は,Androidマルウェア画像のバイナリ分類において95.7%の精度を得て,すべての性能計量において比較したモデルより優れていた。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 検出 ,  学習 ,  *ニューラルネットワーク ,  応用プログラム ,  人間 ,  性質 ,  カオス ,  コンピュータセキュリティ ,  セキュリティ ,  *マルウェア ,  サイバー攻撃
準シソーラス用語： 複雑性 ,  ネットワークセキュリティ ,  サイバー犯罪 ,  サイバーセキュリティ ,  *アンドロイド ,  *マルウェア検出 ,  深層学習 ,  二値分類 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： サイバーセキュリティ ,  サイバー犯罪 ,  Android ,  マルウェア検出 ,  深層学習 ,  畳込みニューラルネットワーク

分類 (1件)： データ保護  (JD01020V)

タイトルに関連する用語 (4件)： ネット ,  畳込みニューラルネットワーク ,  Android ,  マルウェア検出