تشخيص بدافزارهاي اندرويد به كمك تحليل مولفه هاي اصلي و يادگيري ماشين

كارشناسي ارشد

با توجه به همه گير شدن دستگاه‌هاي هوشمند و سهم دستگاه‌هاي اندرويدي و فراواني بدافزار‌هاي مخرب در اين حوزه، نياز به سامانه اتوماتيك تشخيص بدافزار ضروري مي‌نمايد. در اين پژوهش، با رويكرد يادگيري ماشين، اقدام به معرفي طرحي سه مرحله¬اي براي ايجاد سامانه تشخيص بدافزار نموده‌ايم. در گام نخست ويژگي‌هاي مناسب براي آموزش يادگيرنده از فايل اعلاميه استخراج شده و با بكارگيري طرح TFIDF بردار ويژگي براي هر نرم‌افزار اندرويد ساخته مي‌شود. با توجه به ساختار مجموعه داده حاصل در گام دوم، مجمع انباشت بكارگرفته شده و براي يافتن دسته‌بندهاي پايه از مجموعه‌اي موثر از دسته‌بندها، با در نظر گرفتن پارامتر‌هاي بهينه، استفاده مي‌شود. در گام انتهايي براي تركيب خروجي يادگيرنده‌هاي پايه از مدل درختي به عنوان فرا دسته‌بند در مجمع انباشت استفاده خواهد شد. با در نظر گرفتن معيارهاي متعدد و بررسي نتايج حاصل از روش پيشنهادي با يادگيرنده‌هاي مختلف، بهبود يك درصدي در معيار‌هاي مختلف حاصل شده و برتري معنادار نسبت به روشهاي دسته‌بندي درخت تصميمJ48، K نزديكترين همسايه، بيز ساده و Adaboost در برخي معيارها بدست مي‌آيد. در مجموعه داده نامتوازن نسبت به ساير روش‌ها عملكرد بهتري را داشته و برتري معناداري نسبت به بيز ساده و درخت تصميم بدست مي‌آوريم.

196137

دانشگاه علم و صنعت ايران

فناوري اطلاعات - مخابرات امن

دكتر هادي شهريار شاه حسيني