بهبود تشخیص بدافزارهای موبایل مبتنی بر سیستم عامل اندروید با روش های یادگیری عمیق
Publish place: Fourth National Conference on Applied Research in Electrical Engineering, Mechanics, Computer and Information Technology
Publish Year: 1397
Type: Conference paper
Language: Persian
View: 1,392
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
EMCE04_127
Index date: 11 June 2019
بهبود تشخیص بدافزارهای موبایل مبتنی بر سیستم عامل اندروید با روش های یادگیری عمیق abstract
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.
بهبود تشخیص بدافزارهای موبایل مبتنی بر سیستم عامل اندروید با روش های یادگیری عمیق Keywords:
بهبود تشخیص بدافزارهای موبایل مبتنی بر سیستم عامل اندروید با روش های یادگیری عمیق authors
ندا معینی
دانشگاه خاتم، گروه مهندسی کامپیوتر،
بابک مجیدی
دانشگاه خاتم، گروه مهندسی کامپیوتر،
علی موقر
دانشگاه صنعتی شریف، گروه مهندسی کامپیوتر،