سجاد پرهیزکار - دانشجوی - کارشناسی ارشد نرم افزار , موسسه آموزش عالی اشراق بجنورد
احسان جعفری - عضو هیئت علمی و مدیر گروه کامپیوتر موسسه آموزش عالی دانشگاه اشراق بجنورد
فرهنگ پدیداران مقدم - استادیار، - گروه کامپیوتر ، مجتمع آموزش عالی فنی و مهندسی اسفراین

بدافزار اندروید، تهدیدی فراگیر برای امنیت اطلاعات استفاده کنندگان از تلفن همراه است. کاربران اندروید، اغلب اپلیکیشن ها را از منابع غیرمجاز و غیر قابل اعتماد بارگیری می کنند. ممکن است که چنین اپلیکیشن هایی، درخواست چندین مجوز را از کاربر داشته باشند و کاربر، به دلیل عدم آگاهی می تواند دسترسی به مجوزهای لازم را بدهد. مجوزهای اندروید، یکی از منابع مهم آلودگی به بدافزار است. با تجزیه و تحلیل مجوزها و با کمک ابزارهای یادگیری دستگاه، میتوان طبقه بندی پایگاه داده بدافزار و اپلیکیشن های مخرب را انجام داد. در این مقاله، سیستم پیشنهادی با استفاده از کاهش ویژگی، به بررسی شناسایی تاثیرگذارترین مجوزها می پردازد. در این پایان نامه ، از روش انتخاب ویژگی کورلیشن که سنجش همبستگی ببین ویژگی ها را محاسبه می کند استفاده کردیم ، روشی برای شناسایی ویژگی های خطرناک در مقابل مجوز های خطرناک هست که در تمایز بین برنامه های مخرب و خوش خیم موثر هستند. . سپس ما از اطلاعات استخراج شده برای طبقه بندی برنامه های مخرب و خوش خیم توسط الگوریتم های طبقه بندی مبتنی بر یادگیری ماشین استفاده می کنیم. ما رویکرد خود را در یک مجموعه داده بزرگ متشکل از ۱۵۰۳۶ اپلیکیشن (خوشخیم و مخرب) ارزیابی می کنیم. نتایج نشان می دهد که رویکرد شناسایی بدافزار ما می تواند به بیش از ۹۹ ٪ دقت ، فراخوان و FScore دست یابیم.

بدافزار ، یادگیری با ناظر، کورلیشن ، طبقه بندی