악성 안드로이드 앱 탐지를 위한 개선된 특성 선택 모델

Vol. 30, No. 3, pp. 357-367, 6월. 2020
10.13089/JKIISC.2020.30.3.357, Full Text:
Keywords:
Abstract

2018년 시만텍 보고서에 따르면, 모바일 환경에서 변종 악성 앱은 전년도 대비 54% 증가하였고, 매일 24,000 개의 악성 앱이 차단되고 있다. 최근 연구에서는 기존 악성 앱 분석 기술의 사용 한계를 파악하고, 신ㆍ변종 악성 앱을 탐지하기 위하여 기계학습을 통한 악성 앱 탐지 기법이 연구되고 있다. 하지만, 기계학습을 적용하는 경우에도 악성 앱의 특성을 적절하게 선택하여 학습하지 못하면 올바른 결과를 보일 수 없다. 본 연구에서는 신ㆍ변종 악성 앱의 특성을 찾아낼 수 있도록 개선된 특성 선택 방법을 적용하여 학습 모델의 정확도를 최고 98%까지 확인할 수 있었다. 향후 연구를 통하여 정밀도, 재현율 등 특정 지표의 향상을 목표로 할 수 있다.

Statistics
Show / Hide Statistics

Statistics (Cumulative Counts from December 1st, 2017)
Multiple requests among the same browser session are counted as one view.
If you mouse over a chart, the values of data points will be shown.


Cite this article
[IEEE Style]
J. Boo and K. Lee, "Advanced Feature Selection Method on Android Malware Detection by Machine Learning," Journal of The Korea Institute of Information Security and Cryptology, vol. 30, no. 3, pp. 357-367, 2020. DOI: 10.13089/JKIISC.2020.30.3.357.

[ACM Style]
Joo-hun Boo and Kyung-ho Lee. 2020. Advanced Feature Selection Method on Android Malware Detection by Machine Learning. Journal of The Korea Institute of Information Security and Cryptology, 30, 3, (2020), 357-367. DOI: 10.13089/JKIISC.2020.30.3.357.