An Improved Malicious Application Detection in Social Networks (MADSN)
الكلمات المفتاحية:
APK,MCMC, machine learning, permission , maliciousالملخص
الأندرويد هو نظام تشغيل الأجهزة المحمولة الأكثر استخدامًا (OS) وظهر عدد كبير من أسواق تطبيقات الأندرويد التابعة لجهات خارجية، ودفع غياب تنظيم السوق الخاص بطرف ثالث للمؤسسات البحثية إلى اقتراح تقنيات مختلفة للكشف عن البرامج الضارة ومع ذلك ، نظرًا لتحسينات البرامج الضارة نفسها ونظام الأندرويد ، من الصعب تصميم طريقة اكتشاف يمكنها بكفاءة وفعالية اكتشاف التطبيقات الضارة لفترة طويلة، وفي الوقت نفسه سيؤدي اعتماد المزيد من الميزات إلى زيادة تعقيد النموذج والتكلفة الحسابية للنظام. تؤدي الأذونات دورا حيويًا في أمان تطبيقات الأندرويد. في هذا البحث تم اقتراحنموذج للكشف عن التطبيقات الضارة استنادًا إلى عدم الثقة في السمات، وحيث يستخدم ( MADSN) وظيفة الانحدار اللوجستي لوصف علاقة الإدخال (الأذونات) والإخراج (الملصقات علاوة على ذلك ، فإنه يستخدم خوارزمية سلسلة ماركوف مونت كارلو (MCMC) لحل الميزات عدم الثقة بعد تجربة 2037 عينة ، للكشف عن البرامج الضارة، وأظهرت نتائج التجربة أن استخدام الأذونات الخطرة فقط، أو أن عدد الأذونات المستخدمة لا يمكن أن يميز بدقة ما إذا كان التطبيق ضارًا أم حميداً بالنسبة لاكتشاف البرامج الضارة ويحقق النهج المقترح دقة تصل إلى 95.5% ومعدل إيجابي كاذب (FPR) يبلغ 1.2% ، وبالنسبة لاكتشاف عائلات البرامج الضارة، تبلغ الدقة 95.6%. تشير النتائج إلى أن طريقة دقة الكشف عن العينة غير المعروفة الجديدة تبلغ 92.71 بالمقارنة مع الأساليب الحديثة الأخرى ، فإن النهج المقترح أكثر فعالية من خلال اكتشاف عائلات البرامج الضارة والبرامج الضارة.
