文献

J-GLOBAL ID：202202284442406313   整理番号：22A1105279

極端な学習機械を用いたAndroidマルウェアの識別【JST・京大機械翻訳】

Discerning Android Malwares Using Extreme Learning Machine

著者 (3件)： Tirkey Anand (National Institute of Technlogy Rourkela, Rourkela, Odisha, India) ,  Kumar Mohapatra Ramesh (National Institute of Technlogy Rourkela, Rourkela, Odisha, India) ,  Kumar Lov (BITS Pilani, Secunderabad, Telangana, India)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 869  ページ： 17-32  発行年： 2022年 
JST資料番号： W5070A  ISSN： 1876-1100  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： また,最も広く使用されたモバイルオペレーティングシステムであるアンドロイドは,質量プライバシー侵入のセキュリティリスクと敏感なデータftを提起する。したがって,緩和努力として,マルウェアの同定とアンドロイドにおけるロバストな方法の同定が必須である。本論文では,著者らの以前の研究を「Anatomization Android Malware」[20]に拡張し,オブジェクト指向ソフトウェアメトリックと教師つき機械学習技術を用いて,悪意のあるアンドロイドアプリケーションを同定する新しい方法を提唱した。最初に,著者らは,デコンパイルしたアンドロイドアプリケーションからオブジェクト指向ソフトウェアメトリックを検索し,次に,このメトリックタプルを,ウイルスTotalサービスを用いて,良性またはマルウェアとしてタグ付けした。最後に,メトリックタプルのセットは機械学習アルゴリズムにおける入力特徴として作用する。AndroZooから収集された5774および甲状腺のアプリに対する48の異なる機械学習モデルの性能および安定性を評価した。ROC曲線(AUC),精度およびF測度値の下でその面積を用いて,あらゆる機械学習モデルの識別力を測定した。著者らの方法は,それぞれ1.0,100%および1.0のAUC,精度およびF測度を与えた。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 測度 ,  甲状腺 ,  プライバシー ,  緩和現象 ,  応用プログラム ,  ロバスト性 ,  セキュリティ ,  機械学習 ,  学習アルゴリズム ,  *マルウェア
準シソーラス用語： ROC曲線 ,  タグ付 ,  オブジェクト指向 ,  *アンドロイド ,  モバイルプラットフォーム , 【Automatic Indexing@JST】

著者キーワード (4件)： Android ,  マルウェア検出 ,  機械学習 ,  オブジェクト指向メトリックス

分類 (2件)： データ保護  (JD01020V) ,  計算機網  (JC03000K)

タイトルに関連する用語 (4件)： 極端な学習機械 ,  Android ,  マルウェア ,  識別