شناسایی و طبقه بندی بدافزار اندروید مبتنی بر مجوز با استفاده ازیادگیری ماشین
- سال انتشار: 1400
- محل انتشار: چهارمین همایش ملی فناوریهای نوین در مهندسی برق، کامپیوتر و مکانیک ایران
- کد COI اختصاصی: STCONF04_263
- زبان مقاله: فارسی
- تعداد مشاهده: 529
نویسندگان
دانشجوی - کارشناسی ارشد نرم افزار , موسسه آموزش عالی اشراق بجنورد
عضو هیئت علمی و مدیر گروه کامپیوتر موسسه آموزش عالی دانشگاه اشراق بجنورد
استادیار، - گروه کامپیوتر ، مجتمع آموزش عالی فنی و مهندسی اسفراین
چکیده
بدافزار اندروید، تهدیدی فراگیر برای امنیت اطلاعات استفاده کنندگان از تلفن همراه است. کاربران اندروید، اغلب اپلیکیشن ها را از منابع غیرمجاز و غیر قابل اعتماد بارگیری می کنند. ممکن است که چنین اپلیکیشن هایی، درخواست چندین مجوز را از کاربر داشته باشند و کاربر، به دلیل عدم آگاهی می تواند دسترسی به مجوزهای لازم را بدهد. مجوزهای اندروید، یکی از منابع مهم آلودگی به بدافزار است. با تجزیه و تحلیل مجوزها و با کمک ابزارهای یادگیری دستگاه، میتوان طبقه بندی پایگاه داده بدافزار و اپلیکیشن های مخرب را انجام داد. در این مقاله، سیستم پیشنهادی با استفاده از کاهش ویژگی، به بررسی شناسایی تاثیرگذارترین مجوزها می پردازد. در این پایان نامه ، از روش انتخاب ویژگی کورلیشن که سنجش همبستگی ببین ویژگی ها را محاسبه می کند استفاده کردیم ، روشی برای شناسایی ویژگی های خطرناک در مقابل مجوز های خطرناک هست که در تمایز بین برنامه های مخرب و خوش خیم موثر هستند. . سپس ما از اطلاعات استخراج شده برای طبقه بندی برنامه های مخرب و خوش خیم توسط الگوریتم های طبقه بندی مبتنی بر یادگیری ماشین استفاده می کنیم. ما رویکرد خود را در یک مجموعه داده بزرگ متشکل از ۱۵۰۳۶ اپلیکیشن (خوشخیم و مخرب) ارزیابی می کنیم. نتایج نشان می دهد که رویکرد شناسایی بدافزار ما می تواند به بیش از ۹۹ ٪ دقت ، فراخوان و FScore دست یابیم.کلیدواژه ها
بدافزار ، یادگیری با ناظر، کورلیشن ، طبقه بندیمقالات مرتبط جدید
- توسعه مبدل حرارتی داخلی ( IHX ) از طریق تغییر فرآیند ساخت و تولید لوله های گاز کولر در صنعت خودروسازی
- بهبودعملکرد سیکل تبرید تراکمی با تغییر فرآیند ساخت مبدل SLHX از آرایش مماسی به هم مرکز
- بررسی تاثیر لایه میانی روی در اتصال غیر مشابه آلیاژ پایه منیزیم AZ۳۱ و آلومینیوم ۶۰۶۱ به روش جوشکاری اصطکاکی اغتشاشی نقطهای
- بررسی تجربی سوراخکاری کامپوزیتهای پلیمری: مقایسه جوت و شیشه
- سیستم هوشمند پایش وضعیت بلبرینگ با استفاده از طیفنگاره صوتی جهت طبقهبندی و تشخیص خطای بلبرینگ ها
اطلاعات بیشتر در مورد 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.