• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Information Security, IET >High accuracy android malware detection using ensemble learning
【24h】

High accuracy android malware detection using ensemble learning

机译：使用集成学习进行高精度Android恶意软件检测

获取原文
获取原文并翻译 | 示例
       
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

With over 50 billion downloads and more than 1.3 million apps in Google's official market, Android has continued to gain popularity among smartphone users worldwide. At the same time there has been a rise in malware targeting the platform, with more recent strains employing highly sophisticated detection avoidance techniques. As traditional signature-based methods become less potent in detecting unknown malware, alternatives are needed for timely zero-day discovery. Thus, this study proposes an approach that utilises ensemble learning for Android malware detection. It combines advantages of static analysis with the efficiency and performance of ensemble machine learning to improve Android malware detection accuracy. The machine learning models are built using a large repository of malware samples and benign apps from a leading antivirus vendor. Experimental results and analysis presented shows that the proposed method which uses a large feature space to leverage the power of ensemble learning is capable of 97.3–99% detection accuracy with very low false positive rates.
机译：在Google的官方市场中，Android的下载量超过500亿，应用程序超过130万，Android在全球智能手机用户中继续受到欢迎。同时，针对该平台的恶意软件也有所增加，最近的菌株采用了高度复杂的检测避免技术。由于传统的基于签名的方法检测未知恶意软件的能力减弱，因此需要其他方法来及时进行零日发现。因此，本研究提出了一种利用集成学习进行Android恶意软件检测的方法。它结合了静态分析的优势以及集成机器学习的效率和性能，从而提高了Android恶意软件检测的准确性。机器学习模型是使用大型的恶意软件样本库和来自领先的防病毒供应商的良性应用程序构建的。实验结果和分析表明，该方法利用较大的特征空间来利用集成学习的能力，能够以较低的假阳性率实现97.3–99％的检测精度。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号