본 연구는 안드로이드 정적분석을 기반으로 추출된 AndroidManifest 권한 특징을 통해 악성코드를 탐지하고자 한다. 특징들은 AndroidManifest의 권한을 기반으로 분석에 대한 자원과 시간을 줄였다....
http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
https://www.riss.kr/link?id=A105435201
2018
Korean
KCI등재
학술저널
617-623(7쪽)
2
0
상세조회0
다운로드국문 초록 (Abstract)
본 연구는 안드로이드 정적분석을 기반으로 추출된 AndroidManifest 권한 특징을 통해 악성코드를 탐지하고자 한다. 특징들은 AndroidManifest의 권한을 기반으로 분석에 대한 자원과 시간을 줄였다....
본 연구는 안드로이드 정적분석을 기반으로 추출된 AndroidManifest 권한 특징을 통해 악성코드를 탐지하고자 한다. 특징들은 AndroidManifest의 권한을 기반으로 분석에 대한 자원과 시간을 줄였다. 악성코드 탐지 모델은 1500개의 정상어플리케이션과 500개의 악성코드들을 학습한 SVM(support vector machine), NB(Naive Bayes), GBC(Gradient Boosting Classifier), Logistic Regression 모델로 구성하여 98%의 탐지율을 기록했다. 또한, 악성앱 패밀리 식별은 알고리즘 SVM과 GPC (Gaussian Process Classifier), GBC를 이용하여 multi-classifiers모델을 구현하였다. 학습된 패밀리 식별 머신러닝 모델은 악성코드패밀리를 92% 분류했다.
다국어 초록 (Multilingual Abstract)
This study focuses on detection of malicious code through AndroidManifest permissoion feature extracted based on Android static analysis. Features are built on the permissions of AndroidManifest, which can save resources and time for analysis. Malicio...
This study focuses on detection of malicious code through AndroidManifest permissoion feature extracted based on Android static analysis. Features are built on the permissions of AndroidManifest, which can save resources and time for analysis. Malicious app detection model consisted of SVM (support vector machine), NB (Naive Bayes), Gradient Boosting Classifier (GBC) and Logistic Regression model which learned 1,500 normal apps and 500 malicious apps and 98% detection rate. In addition, malicious app family identification is implemented by multi-classifiers model using algorithm SVM, GPC (Gaussian Process Classifier) and GBC (Gradient Boosting Classifier). The learned family identification machine learning model identified 92% of malicious app families.
목차 (Table of Contents)
참고문헌 (Reference)
1 "apk_parse"
2 "Threat Report" McAfee Labs 2017
3 Pedregosa, Fabian, "Scikitlearn: Machine learning in Python" 2825-2830, 2011
4 "Mobile trends in 2015"
5 Peiravian, Naser, "Machine learning for android malware detection using permission and api calls" 300-305, 2013
6 Yang, Zhemin, "Leakminer: Detect information leakage on android with static taint analysis" 101-104, 2012
7 "IDC"
8 Suarez-Tangil, Guillermo, "DroidSieve: Fast and accurate classification of obfuscated android malware" 309-320, 2017
9 "Dalvik Executable format"
10 "Android-apktool: A tool for reengineering Android apk files"
1 "apk_parse"
2 "Threat Report" McAfee Labs 2017
3 Pedregosa, Fabian, "Scikitlearn: Machine learning in Python" 2825-2830, 2011
4 "Mobile trends in 2015"
5 Peiravian, Naser, "Machine learning for android malware detection using permission and api calls" 300-305, 2013
6 Yang, Zhemin, "Leakminer: Detect information leakage on android with static taint analysis" 101-104, 2012
7 "IDC"
8 Suarez-Tangil, Guillermo, "DroidSieve: Fast and accurate classification of obfuscated android malware" 309-320, 2017
9 "Dalvik Executable format"
10 "Android-apktool: A tool for reengineering Android apk files"
11 Sarma, Bhaskar Pratim, "Android permissions: a perspective combining risks and benefits" 13-22, 2012
12 Jae-wook Jang, "Andro-AutoPsy: Anti-malware system based on similarity matching of malware and malware creator-centric information" Elsevier BV 14 : 17-35, 2015
13 Ham, Hyo-Sik, "Analysis of android malware detection performance using machine learning classifiers" 490-495, 2013
효율적인 MILP-Espresso 기반 차분 특성 자동 탐색 방법
저사양 8-bit AVR 프로세서 상에서의 초경량 블록 암호 알고리즘 CHAM 메모리 최적화 구현
NTRU 서명 시스템 구현에 대한 오류 주입 공격 및 대응 방안 연구
학술지 이력
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2026 | 평가예정 | 재인증평가 신청대상 (재인증) | |
2020-01-01 | 평가 | 등재학술지 유지 (재인증) | |
2017-01-01 | 평가 | 등재학술지 유지 (계속평가) | |
2013-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
2010-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
2008-01-01 | 평가 | 등재 1차 FAIL (등재유지) | |
2005-01-01 | 평가 | 등재학술지 선정 (등재후보2차) | |
2004-01-01 | 평가 | 등재후보 1차 PASS (등재후보1차) | |
2003-01-01 | 평가 | 등재후보학술지 선정 (신규평가) |
학술지 인용정보
기준연도 | WOS-KCI 통합IF(2년) | KCIF(2년) | KCIF(3년) |
---|---|---|---|
2016 | 0.41 | 0.41 | 0.43 |
KCIF(4년) | KCIF(5년) | 중심성지수(3년) | 즉시성지수 |
0.45 | 0.4 | 0.508 | 0.04 |