CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

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

عنوان مقاله: بهبود تشخیص بدافزارهای موبایل مبتنی بر سیستم عامل اندروید با روش های یادگیری عمیق
شناسه ملی مقاله: EMCE04_127
منتشر شده در چهارمین کنفرانس ملی تحقیقات کاربردی در مهندسی برق،مکانیک،کامپیوتر و فناوری اطلاعات در سال 1397
مشخصات نویسندگان مقاله:

ندا معینی - دانشگاه خاتم، گروه مهندسی کامپیوتر،
بابک مجیدی - دانشگاه خاتم، گروه مهندسی کامپیوتر،
علی موقر - دانشگاه صنعتی شریف، گروه مهندسی کامپیوتر،

خلاصه 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.

کلمات کلیدی:
یادگیری عمیق، تشخیص بدافزار های اندرویدی، امنیت اندروید، بدافزار

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/870523/