文献

J-GLOBAL ID：202202219317006302   整理番号：22A0963811

Androidマルウェア分類:インクリメンタル学習アプローチ(UFILA)による特徴更新【JST・京大機械翻訳】

Android Malware Classification: Updating Features Through Incremental Learning Approach(UFILA)

著者 (4件)： Sawadogo Zakaria (Gaston Berger University,Laboratory LANI,Saint Louis,Senegal) ,  Mendy Gervais (University Cheikh Anta Diop of Dakar,Laboratory LITA,Dakar,Senegal) ,  Dembelle Jean Marie (Gaston Berger University,Laboratory LANI,Saint Louis,Senegal) ,  Ouya Samuel (University Cheikh Anta Diop of Dakar,Laboratory LITA,Dakar,Senegal)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICACT  ページ： 544-550  発行年： 2022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： 接続オブジェクト,特にスマートフォンの使用の指数関数的成長は,サービスのディジタル化の結果である。最小臨界から最も重要なものまでの全てのタイプのアプリケーションは,モバイルアプリケーションを通してモバイルデバイス上で利用可能である。広く使用されたデバイスにおけるモバイルアプリケーションの毎日の浸透は,ある脅威をもたらす。ソフトウェアリポジトリのマルウェアと,同時に優れたアプリケーションで,それは主要なサイバーセキュリティ問題である。この問題を解決するため,一般的およびAndroid悪意アプリケーションにおけるマルウェアの検出に関する文献において機械学習アプローチが提案されてきた。混乱技術は,Androidマルウェア検出モデルを更新する必要性を意味する悪意のあるアプリケーションを隠すために開発者によって使用される。しかし,文献における多くのアプローチは,特徴よりデータに集中している。したがって,著者らの貢献は,Androidマルウェアを検出することができる増分学習アプローチである。UFILAアプローチを通して,新しい特徴を加えることによって,アンドロイドマルウェアの検出と分類のための特徴の更新を提案した。13の分類アルゴリズムを評価し,著者らのアプローチを実装するために4つの最も効率的なアルゴリズムを選択した。著者らのアプローチによって得られた結果は,文献におけるいくつかのマルウェア検出手法を上回った。精度,再現率,およびF1-Scoreによってそれぞれ得られた計量値は,99%,99%,98.6%98%であった。Copyright 2022 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： アルゴリズム ,  *学習 ,  臨界 ,  応用プログラム ,  カオス ,  機械学習 ,  リポジトリ ,  スマートフォン ,  *マルウェア
準シソーラス用語： モバイルデバイス ,  分類アルゴリズム ,  サイバーセキュリティ ,  *アンドロイド ,  マルウェア検出 ,  モバイルアプリケーション , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： Android ,  マルウェア ,  分類 ,  インクリメンタル学習 ,  更新