ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Android malware detection using feature selection with hybrid genetic algorithm and simulated annealing

سال انتشار: 1399
کد COI مقاله: ETECH05_049
زبان مقاله: انگلیسیمشاهد این مقاله: 104
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 7 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Android malware detection using feature selection with hybrid genetic algorithm and simulated annealing

Akbar Meimandi - Department of Computer Engineering University College of Daneshvaran Tabriz, Iran
Yousef Seyfari - Faculty of Engineering University of Maragheh Maragheh, Iran
Shahriar Lotfi - Department of Computer Science Faculty of Mathematical Sciences University of Tabriz Tabriz, Iran

چکیده مقاله:

The popularity of the Android operating system and the easy development of applications on the Android platform have made it easy for anyone to produce malware by using prepared tools. This has led to the spread of malware among many useful applications that can cause problems for Android users. In this study, we have provided a way to detect Android malware by using permissions that have been obtained in the form of static analysis. In the proposed method, we select the relevant features from the set of permission by combining genetic algorithm and simulated annealing, and three algorithms GASA-SVM, GASA-DT, and GASA-KNN are developed based on this approach. The proposed method is evaluated on a portion of the Drebin dataset, which included ۴۱۰ samples with ۸۲ malware and ۳۲۸ benign application. The proposed method improves Android malware detection accuracy, and the GASA-SVM with the best value of ۰.۹۷۰۷ has the best result.

کلیدواژه ها:

android malware; feature selection; genetic algorithm; machine learning; simulated annealing

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1192749/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Meimandi, Akbar and Seyfari, Yousef and Lotfi, Shahriar,1399,Android malware detection using feature selection with hybrid genetic algorithm and simulated annealing,پنجمین کنفرانس ملی تکنولوژی در مهندسی برق و کامپیوتر,تهران,,,https://civilica.com/doc/1192749

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1399, Meimandi, Akbar؛ Yousef Seyfari and Shahriar Lotfi)
برای بار دوم به بعد: (1399, Meimandi؛ Seyfari and Lotfi)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی