شماره ركورد كنفرانس :
4615
عنوان مقاله :
(بهبود تشخيص بدافزارهاي موبايل مبتني بر سيستم‌عامل اندرويد با روش‌هاي يادگيري عميق)
پديدآورندگان :
معيني ندا n.moeini@khatam.ac.ir دانشگاه خاتم، گروه مهندسي كامپيوتر , مجيدي بابك b.majidi@khatam.ac.ir دانشگاه خاتم، گروه مهندسي كامپيوتر، , موقر علي movaghar@sharif.edu دانشگاه صنعتي شريف، گروه مهندسي كامپيوتر،
كليدواژه :
يادگيري عميق , تشخيص بدافزارهاي اندرويدي , امنيت اندرويد , بدافزار
عنوان كنفرانس :
چهارمين كنفرانس ملي تحقيقات كاربردي در مهندسي برق، مكانيك، كامپيوتر و فناوري اطلاعات
چكيده فارسي :
امروزه گوشي هاي هوشمند به نياز ضروري در زندگي روزمره تبديل شده‌اند. سيستم‌عامل اندرويد در سال‌هاي اخير از محبوب‌ترين سيستم‌عامل‌هاي موبايلي شده است. با اين حال با توجه به خاصيت متن‌باز بودن سيستم‌عامل اندرويد، بدافزارهاي زيادي در ميان نرم‌افزارها در بازارهاي اندرويد پنهان شده‌اند كه امنيت آن را با خطر جدي مواجه كرده است. يادگيري عميق يك حوزه جديد از تحقيقات يادگيري ماشين است كه در هوش مصنوعي توجه بيشتري به خود جلب كرده است. ما در اين پژوهش با استفاده از ويژگي‌هاي استخراج شده از تحليل‌هاي ايستا و پويا و تركيب اين ويژگي‌ها، يك روش تركيبي با استفاده از الگوريتم‌ّهاي يادگيري ماشين ماشين بردار پشتيبان، جنگل‌هاي تصادفي و شبكه باور عميق براي تشخيص بدافزارهاي اندرويدي ارائه داديم و با توجه به آزمايشات و ارزيابي‌هاي انجام شده با استفاده از سامانه تشخيص مبتني بر يادگيري عميق به دقت ۸۲/۹۸ درصدي دست يافتيم كه نسبت به كارهاي انجام شده در اين حوزه و همچنين نسبت به ساير روش‌هاي سنتي يادگيري ماشين عملكرد بهتري دارد.
