文献

J-GLOBAL ID：202202234602653001   整理番号：22A0848859

FAM:深層学習に基づく家族分析のためのAndroidマルウェアの特徴【JST・京大機械翻訳】

FAM: Featuring Android Malware for Deep Learning-Based Familial Analysis

著者 (5件)： Ban Younghoon (School of Software Convergence, Soongsil University, Seoul, South Korea) ,  Lee Sunjun (School of Software, Soongsil University, Seoul, South Korea) ,  Song Dokyung (Department of Computer Science, Yonsei University, Seoul, South Korea) ,  Cho Haehyun (School of Software, Soongsil University, Seoul, South Korea) ,  Yi Jeong Hyun (School of Software, Soongsil University, Seoul, South Korea)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 20008-20018  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： レントレスに出現するAndroidマルウェアを処理するために,深い学習は研究コミュニティで広く採用されている。以前の研究は,マルウェアの異なる特徴を使用する深層学習ベースアプローチを提案し,マルウェア検出における高精度,すなわち,良性アプリケーションからのマルウェアの分類を報告した。しかし,実世界アンドロイドマルウェアの家族性解析は,まだ広く研究されていない。Familial解析は,与えられたマルウェアをファミリー(または一連の科)に分類するプロセスに言及し,解析がそれらの細粒行動特性を与えるので,マルウェア解析を大いに加速できる。本研究では,Android malwareの異なる特徴と,それらが(不正)行動をいかに効果的に表すことができるかを研究することにより,深層学習ベース家族性解析に光を当てた。Androidマルウェアのストリング特徴,すなわち,Androidマルウェアのすべてのストリング特徴を忠実に表現する各マルウェアから抽出したすべての関数の抽象構文ツリー(AST)に焦点を当てた。セキュリティ感受性APIがマルウェアでどのように使用されるかのような異なるストリング特徴が,著者らの深層学習ベース家族性解析モデルの性能にどのように影響するかを徹底的に研究した。畳み込みニューラルネットワークを訓練し,2018年から2020年までの野生に出現する28,179の実世界マルウェアデータセット上の様々な構成で試験し,各マルウェアがそれらの行動に基づいて割り当てられた1つ以上のラベルを持つ。著者らの評価は,異なる特徴がどのように家族性解析の性能に寄与するかを明らかにした。特に,全ての特徴を組み合わせて,最高98%の精度と0.82のマイクロF1スコアを生産でき,最先端技術の結果であった。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： 検出 ,  特性 ,  精度 ,  コミュニティ ,  感受性 ,  応用プログラム ,  セキュリティ ,  *機械学習 ,  解析モデル ,  *マルウェア
準シソーラス用語： 構文木 ,  高精度 ,  最先端技術 ,  マルウェア解析 ,  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 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 深層学習 ,  家族 ,  分析 ,  Android ,  マルウェア