بهبود تشخیص بدافزارهای موبایل مبتنی بر سیستم عامل اندروید با روش های یادگیری عمیق

سال انتشار: 1397
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,258

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

EMCE04_127

تاریخ نمایه سازی: 21 خرداد 1398

چکیده مقاله:

امروزه گوشی های هوشمند به نیاز ضروری در زندگی روزمره تبدل شده اند. سیستم عامل اندروید در سال های اخیر از محبوب ترین سیستم عامل های موبایلی شده است. با این حال با توجه به خاصیت متن باز بودن سیستم عامل اندروید، بدافزارهای زیادی در میان نرم افزارها در بازارهای اندروید پنهان شده اند که امنیت آن را با خطر جدی مواجه کرده است. یادگیری عمیق یک حوزه جدید از تحقیقات یادگیری ماشین است که در هوش مصنوعی توجه بیشتری به خود جلب کرده است. ما در این پژوهش با استفاده از ویژگی های استخراج شده از تحلیل های ایستا و پویا و ترکیب این ویژگی ها، یک روش ترکیبی با استفاده از الگوریتم های یادگیری ماشین بردار پشتیبان، جنگل های تصادفی و شبکه باور عمیق برای تشخیص بدافزارهای اندرویدی ارائه دادیم و با توجه به آزمایشات و اریزابی انجام شده با استفاده از سامانه تشخیص مبتنی بر یادگیری عمیق به دقت 98/82 درصدی دست ایفتیم که نسبت به کارهای انجام شده در این حوزه و همچنین نسبت به سایر روش های سنتی یادگیری ماشین عملکرد بهتری دارد.

کلیدواژه ها:

یادگیری عمیق ، تشخیص بدافزار های اندرویدی ، امنیت اندروید ، بدافزار

نویسندگان

ندا معینی

دانشگاه خاتم، گروه مهندسی کامپیوتر،

بابک مجیدی

دانشگاه خاتم، گروه مهندسی کامپیوتر،

علی موقر

دانشگاه صنعتی شریف، گروه مهندسی کامپیوتر،