論文の概要: A Review on the effectiveness of Dimensional Reduction with
Computational Forensics: An Application on Malware Analysis
- arxiv url: http://arxiv.org/abs/2301.06031v1
- Date: Sun, 15 Jan 2023 07:34:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-18 17:39:39.311252
- Title: A Review on the effectiveness of Dimensional Reduction with
Computational Forensics: An Application on Malware Analysis
- Title（参考訳）: 計算鑑識を用いた次元縮小の有効性に関するレビュー:マルウェア解析への応用
- Authors: Aye Thaw Da Naing, Justin Soh Beng Guan, Yarzar Shwe Win, Jonathan Pan
- Abstract要約: 本研究は,Android ベースのマルウェアを検知する計算Forensics タスクにおける Principle Component Analysis の適用性を評価する。
その結果,次元的に低減されたデータセットは精度の劣化の指標となることがわかった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Android operating system is pervasively adopted as the operating system
platform of choice for smart devices. However, the strong adoption has also
resulted in exponential growth in the number of Android based malicious
software or malware. To deal with such cyber threats as part of cyber
investigation and digital forensics, computational techniques in the form of
machine learning algorithms are applied for such malware identification,
detection and forensics analysis. However, such Computational Forensics
modelling techniques are constrained the volume, velocity, variety and veracity
of the malware landscape. This in turn would affect its identification and
detection effectiveness. Such consequence would inherently induce the question
of sustainability with such solution approach. One approach to optimise
effectiveness is to apply dimensional reduction techniques like Principal
Component Analysis with the intent to enhance algorithmic performance. In this
paper, we evaluate the effectiveness of the application of Principle Component
Analysis on Computational Forensics task of detecting Android based malware. We
applied our research hypothesis to three different datasets with different
machine learning algorithms. Our research result showed that the dimensionally
reduced dataset would result in a measure of degradation in accuracy
performance.
- Abstract（参考訳）: android osは、スマートデバイスに適したオペレーティングシステムプラットフォームとして広く採用されている。
しかし、強力な採用により、Androidベースの悪意のあるソフトウェアやマルウェアの数が指数関数的に増加した。
サイバー捜査やデジタル法医学の一部としてこのようなサイバー脅威に対処するために、このようなマルウェアの識別、検出、および法医学分析に機械学習アルゴリズムの形の計算技術が適用される。
しかし、そのような計算法則モデリング手法は、マルウェアランドスケープの体積、速度、多様性、妥当性を制約している。
これは、その同定と検出の有効性に影響する。
このような結果は、本質的にはそのようなソリューションアプローチによる持続可能性の問題を引き起こす。
効率を最適化する1つのアプローチは、アルゴリズムの性能を高めることを目的とした主成分分析のような次元還元手法を適用することである。
本稿では,Android ベースのマルウェアを検知する計算Forensics タスクにおける Principle Component Analysis の適用の有効性を評価する。
研究仮説を機械学習アルゴリズムの異なる3つのデータセットに適用した。
その結果, 次元的に低減されたデータセットは精度の劣化の指標となることがわかった。
関連論文リスト
- A Novel Reinforcement Learning Model for Post-Incident Malware Investigations [0.0]
本研究は,サイバーインシデント対応時のマルウェア調査を最適化する新たな強化学習モデルを提案する。
偽陰性を低減し、マルウェアシグネチャの進化に現在のプラクティスを適用することにより、法医学的な調査効率を向上させることを目的としている。
論文 参考訳（メタデータ） (2024-10-19T07:59:10Z) - Comprehensive evaluation of Mal-API-2019 dataset by machine learning in malware detection [0.5475886285082937]
本研究では,機械学習技術を用いたマルウェア検出の徹底的な検討を行う。
その目的は、脅威をより効果的に識別し緩和することで、サイバーセキュリティの能力を向上させることである。
論文 参考訳（メタデータ） (2024-03-04T17:22:43Z) - A novel pattern recognition system for detecting Android malware by analyzing suspicious boot sequences [5.218427110506892]
本稿では,不審なアプリケーションの動的挙動を調査したスマートフォン用マルウェア検出システムを提案する。
このアプローチでは、Androidプラットフォームに対処するマルウェアの特定に重点を置いている。
この提案は、特定のユースケースの詳細な研究を含む、さまざまな実験でテストされている。
論文 参考訳（メタデータ） (2024-02-05T22:21:54Z) - Discovering Malicious Signatures in Software from Structural
Interactions [7.06449725392051]
本稿では,ディープラーニング,数学的手法,ネットワーク科学を活用する新しいマルウェア検出手法を提案する。
提案手法は静的および動的解析に焦点をあて,LLVM(Lower-Level Virtual Machine)を用いて複雑なネットワーク内のアプリケーションをプロファイリングする。
弊社のアプローチは、マルウェアの検出を大幅に改善し、より正確で効率的なソリューションを提供する。
論文 参考訳（メタデータ） (2023-12-19T23:42:20Z) - Malicious code detection in android: the role of sequence characteristics and disassembling methods [0.0]
本研究では,研究者が管理するモデルの精度に影響を及ぼす要因について検討・強調する。
その結果, 分解法と異なる入力表現がモデル結果に影響を及ぼすことが明らかとなった。
論文 参考訳（メタデータ） (2023-12-02T11:55:05Z) - Towards a Fair Comparison and Realistic Design and Evaluation Framework
of Android Malware Detectors [63.75363908696257]
一般的な評価フレームワークを用いて,Androidのマルウェア検出に関する10の研究成果を分析した。
データセットの作成やデザイナの設計に考慮しない場合、トレーニングされたMLモデルに大きく影響する5つの要因を特定します。
その結果,MLに基づく検出器は楽観的に評価され,良好な結果が得られた。
論文 参考訳（メタデータ） (2022-05-25T08:28:08Z) - Improving robustness of jet tagging algorithms with adversarial training [56.79800815519762]
本研究では,フレーバータグ付けアルゴリズムの脆弱性について,敵攻撃による検証を行った。
シミュレーション攻撃の影響を緩和する対人訓練戦略を提案する。
論文 参考訳（メタデータ） (2022-03-25T19:57:19Z) - Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or
Something Else? [93.91375268580806]
政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。
既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。
既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
論文 参考訳（メタデータ） (2021-11-09T13:30:34Z) - Increasing the Confidence of Deep Neural Networks by Coverage Analysis [71.57324258813674]
本稿では、異なる安全でない入力に対してモデルを強化するために、カバレッジパラダイムに基づく軽量な監視アーキテクチャを提案する。
実験結果から,提案手法は強力な対向例とアウト・オブ・ディストリビューション・インプットの両方を検出するのに有効であることが示唆された。
論文 参考訳（メタデータ） (2021-01-28T16:38:26Z) - A black-box adversarial attack for poisoning clustering [78.19784577498031]
本稿では,クラスタリングアルゴリズムのロバスト性をテストするために,ブラックボックス対逆攻撃法を提案する。
我々の攻撃は、SVM、ランダムフォレスト、ニューラルネットワークなどの教師付きアルゴリズムに対しても転送可能であることを示す。
論文 参考訳（メタデータ） (2020-09-09T18:19:31Z) - Bayesian Optimization with Machine Learning Algorithms Towards Anomaly
Detection [66.05992706105224]
本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。
ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。
実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
論文 参考訳（メタデータ） (2020-08-05T19:29:35Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。