文献

J-GLOBAL ID：202202299728479902   整理番号：22A1038820

意味論的特徴を用いたAndroidアプリケーション分類のための深層学習法【JST・京大機械翻訳】

A Deep Learning Method for Android Application Classification Using Semantic Features

著者 (8件)： Wang Zhiqiang (Department of Cyberspace Security, Beijing Electronic Science & Technology Institute, Beijing 100070, China) ,  Wang Zhiqiang (State Information Center, Beijing 100045, China) ,  Wang Zhiqiang (Guangdong Provincial Key Laboratory of Information Security Technology, Shenzhen, Guangdong 510006, China) ,  Li Gefei (State Information Center, Beijing 100045, China) ,  Zhuo Zihan (National Internet Emergency Center, Beijing, 100029, China) ,  Ren Xiaorui (Department of Cyberspace Security, Beijing Electronic Science & Technology Institute, Beijing 100070, China) ,  Lin Yuheng (Department of Cyberspace Security, Beijing Electronic Science & Technology Institute, Beijing 100070, China) ,  Gu Jieming (National Internet Emergency Center, Beijing, 100029, China)
資料名： Security and Communication Networks  (Security and Communication Networks)
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： W2740A  ISSN： 1939-0114  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： アンドロイドは,そのオープンプラットフォーム,多様な応用,および優れたユーザ経験を有する最も一般的なモバイルインテリジェントオペレーティングシステムになった。しかし,同時に,より多くの攻撃者は,主要なターゲットとしてAndroidを取り入れた。ユーザのための主要なダウンロード源であるアプリケーション貯蔵は,まだ完全なセキュリティ認証機構を持たない。上記の問題を考えて,著者らは複数の意味的特徴に基づくAndroidアプリケーション分類モデルを設計した。最初に,テキスト文書にアプリケーションの動的および静的特徴を自動的に抽出するために解析ツールを使用し,特徴を最適化するために分散およびカイ二乗検定を使用した。自然言語処理(NLP)と組み合わせ,特徴ファイルを二次元行列に変換し,畳込みニューラルネットワーク(CNN)を用いて特徴を効率的に学習した。また,このモデルをより多くのアプリケーションシナリオを満たすために,ユーザ要求,特徴の数,および他の指標に従って動的調整法を設計した。実験結果は,マルウェアの検出精度が99.3921%であることを示した。また,マルウェアファミリーと良性アプリケーションの検出におけるこのモデルの性能を測定し,分類精度は,それぞれ,99.5614%と99.9046%であった。Copyright 2022 Zhiqiang Wang et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  オペレーティングシステム ,  *意味論 ,  χ2乗検定 ,  自然言語処理 ,  *応用プログラム ,  二次元 ,  ダウンロード ,  携帯電話 ,  認証 ,  マルウェア
準シソーラス用語： アンドロイド ,  分類モデル ,  *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)： オペレーティングシステム  (JD03020J) ,  データ保護  (JD01020V)

引用文献 (40件)：

• International Data Corporation, "Global smartphone market data report [EB/OL]," 2020, https://www.idc.com/getdoc.jsp?containerId=prCHC45975020.
• J. Yan, Y. Qi, Q. Rao, "Detecting malware with an ensemble method based on deep neural network," Security and Communication Networks, vol. 2018, no. 1, pp. 1-16, 2018.
• M. Ganesh, P. Pednekar, P. Prabhuswamy, D. S. Nair, Y. Park, H. Jeon, "CNN-based Android malware detection," Proceedings of the 2017 International Conference on Software Security and Assurance (ICSSA), pp. 60-65, IEEE, Altoona, PA, USA, July 2017.
• Z. Xu, K. Ren, S. Qin, F. Craciun, "CDGDroid: android malware detection based on deep learning using CFG and DFG," Proceedings of the International Conference on Formal Engineering Methods, pp. 177-193, Springer, Cham, 2018.
• P. Zegzhda, D. Zegzhda, E. Pavlenko, G. Ignatev, "Applying deep learning techniques for Android malware detection," Proceedings of the 11th International Conference on Security of Information and Networks, vol. 7, ACM, Cardiff, United Kingdom, September 2018.

タイトルに関連する用語 (4件)： 意味論 ,  Androidアプリケーション ,  分類 ,  深層学習