AFWDroid: Deep Feature Extraction and Weighting for Android Malware Detection

Recep Sinan ARSLAN; Emre ÖLMEZ; Orhan ER

doi:https://doi.org/10.24012/dumf.875036

Makale detayları

AFWDroid: Deep Feature Extraction and Weighting for Android Malware Detection

Yazarlar:

Recep Sinan ARSLAN | Emre ÖLMEZ | Orhan ER

Yayıncı:

Dicle University

Ana Başlıklar:

Mühendislik ve uygulamalı operasyonlar

Dergi:

Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi 2021 Vol.12 Issue 2, pp.237-245

Belge Tipi:

Makale

Yayın Tarihi:

3/2021

Belge Dili:

İngilizce

Document ID (Org No.):

2000949874

Sıklık:

Üç Aylık

eISSN:

2146-4391

pISSN:

1309-8640

DOI:

https://doi.org/10.24012/dumf.875036

Anahtar kelimeler:

Özet:

 

Android malware detection is a critical and important problem that must be solved for a widely used operating system. Conventional machine learning techniques first extract some features from applications, then create classifiers to distinguish between malicious and benign applications. Most of the studies available today ignore the weighting of the obtained features. To overcome this problem, this study proposes a new software detection method based on weighting the data in feature vectors to be used in classification. To this end, firstly, the manifest file was read from the Android application package. Different features such as activities, services, permissions were extracted from the file, and for classification, a selection was made among these features. The parameters obtained as a result of selection were optimized by the deep neural network model. Studies revealed that through feature selection and weighting, better performance values could be achieved and more competitive results could be obtained in weight-sensitive classification.

 

Android kötücül yazılım tespiti, yaygın kullanıma sahip bir işletim sistemi için çözülmesi gereken oldukça kritik ve önemli bir sorundur. Geleneksel makine öğrenme teknikleri önce uygulamalardan birtakım özellikler çıkarmakta ve ardından kötü ve iyi niyetli uygulamaları ayırt etmek üzere sınıflandırıcılar oluşturmaktadır. Günümüzde mevcut çalışmaların çoğunda elde edilen özelliklerin ağırlıklandırması göz ardı edilmektedir. Bu sorunların üstesinden gelmek için bu çalışmada, sınıflandırmada kullanılacak özellik vektörlerindeki verilerin ağırlıklandırmasına dayalı yeni bir yazılım algılama metodu önerilmiştir. Bu amaç doğrultusunda ilk olarak, Android uygulama paketinden manifest dosyası okunmuştur. Dosya içerisinden aktiviteler, servisler, izinler gibi farklı özellikler çıkarılmış ve sınıflandırma için bu özellikler arasından seçim yapılmıştır. Seçim sonucunda elde edilen parametreler, derin sinir ağı modeli ile optimize edilmiştir. Yapılan çalışmalar neticesinde, özellik seçimi ve ağırlıklandırma sayesinde daha iyi performans değerlerininin yakalandığı, ağırlığa duyarlı sınıflandırıcılarda daha rekabetçi sonuçların alınabildiği gösterilmiştir.

Makale detayları

AFWDroid: Deep Feature Extraction and Weighting for Android Malware Detection

Yazarlar:

Recep Sinan ARSLAN | Emre ÖLMEZ | Orhan ER

Yayıncı:

Dicle University

Ana Başlıklar:

Mühendislik ve uygulamalı operasyonlar

Dergi:

Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi 2021 Vol.12 Issue 2, pp.237-245

Belge Tipi:

Makale

Yayın Tarihi:

3/2021

Belge Dili:

İngilizce

Document ID (Org No.):

2000949874

Sıklık:

Üç Aylık

eISSN:

2146-4391

pISSN:

1309-8640

DOI:

https://doi.org/10.24012/dumf.875036

Özellik Ağırlıklandırma

Kötücül Yazılım Tespiti

Makine öğrenmesi

yapay sinir ağları

Sayı

Makale detayları

AFWDroid: Deep Feature Extraction and Weighting for Android Malware Detection

Yazarlar: Recep Sinan ARSLAN | Emre ÖLMEZ | Orhan ER

Yayıncı: Dicle University

Ana Başlıklar: Mühendislik ve uygulamalı operasyonlar

Dergi: Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi 2021 Vol.12 Issue 2, pp.237-245

Belge Tipi: Makale

Yayın Tarihi: 3/2021

Belge Dili: İngilizce

Document ID (Org No.): 2000949874

Sıklık: Üç Aylık

eISSN: 2146-4391

pISSN: 1309-8640

DOI: https://doi.org/10.24012/dumf.875036

Özellik Ağırlıklandırma

Kötücül Yazılım Tespiti

Makine öğrenmesi

yapay sinir ağları

Sayı

Yazarlar:

Recep Sinan ARSLAN | Emre ÖLMEZ | Orhan ER

Yayıncı:

Dicle University

Ana Başlıklar:

Mühendislik ve uygulamalı operasyonlar

Dergi:

Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi 2021 Vol.12 Issue 2, pp.237-245

Belge Tipi:

Makale

Yayın Tarihi:

3/2021

Belge Dili:

İngilizce

Document ID (Org No.):

2000949874

Sıklık:

Üç Aylık

eISSN:

2146-4391

pISSN:

1309-8640

DOI:

https://doi.org/10.24012/dumf.875036