文献

J-GLOBAL ID：201702252971588509   整理番号：17A0239149

弱グラウンドトルスデータを用いたAndroidマルウェア検出【Powered by NICT】

Android malware detection with weak ground truth data

著者 (3件)： DeLoach Jordan (Department of Computer Science, Kansas State University) ,  Caragea Doina (Department of Computer Science, Kansas State University) ,  Ou Xinming (Deptartment of Computer Science and Engineering, University of South Florida)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： Big Data  ページ： 3457-3464  発行年： 2016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： Androidマルウェア検出のためには,正確なグランドトルースは稀な商品である。セキュリティ知識が形成されていくと,時間の一モーメントでグランドトルースと考えることができる変化し,良性と考えられ一旦アプリケーションは,悪意のあることが判明した。データラベルの必然的な雑音は,効果的な機械学習モデル作成への挑戦を提起している。著者らの研究は,問題空間における不確実で絶えず変化するグランドトルースに関して方法論的音であることを方法でAndroidマルウェア検出のための分類器学習のためのアプローチに焦点を当てた。データラベルが不可避的に雑音が,マルウェアラベルである良性ラベルよりもはるかに正確であることを事実のレバレッジを行った。appが悪意のあると確信できるが,良性appが本当に良性または検出されなかったマルウェアであることはできない。この洞察に基づいて,正のラベルなしデータだけから学ぶことを可能にし,良性ラベルについての仮定をせずに,修正ロジスティック回帰分類器を利用する。限られた量の正のラベル付きデータの両方が実世界の状況の代表であるが雑音の多いappデータセットだけでなく,データセットに対してうまく作動するラベル正則化ロジスティック回帰を見出した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： モデリング ,  応用プログラム ,  正則化 ,  不確実性 ,  *マルウェア ,  雑音 ,  音響 ,  セキュリティ ,  機械学習 ,  学習
準シソーラス用語： ロジスティック回帰分析 ,  ラベルなしデータ ,  グランドトゥルース ,  *マルウェア検出 ,  *アンドロイド , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  データ保護  (JD01020V)

タイトルに関連する用語 (2件)： Android ,  マルウェア検出