안드로이드 정상 및 악성 앱 판별을 위한 최적합 머신러닝 기법
Optimal Machine Learning Model for Detecting Normal and Malicious Android Apps
2
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
안드로이드 플랫폼 기반 모바일 애플리케이션은 디컴파일이 간단하여 정상 앱과 유사한 악성 애플리케이션을만들 수 있으며, 제작된 악성 앱은 안드로이드 서드 파티(third party) 앱 스토어를 통해 배포되고 있다. 이 경우 악성애플리케이션은 기기 내 개인정보 유출, 프리미엄 SMS 전송, 위치정보와 통화 기록 유출 등의 문제를 유발한다. 따라서최근 이슈가 되고 있는 머신러닝 기법 중에서 최적의 성능을 제공하는 모델을 선별하여 악성 안드로이드 앱을 자동으로판별할 수 있는 기법을 제공할 필요가 있다. 이에 본 논문에서는 공인 실험 데이터셋을 이용하여 안드로이드 앱의 특징정보를 선별한 후에 총 네 가지의 성능 평가 실험을 통해 안드로이드 악성 앱 판별에 최적의 성능을 제공하는 머신러닝모델을 제시하였다.
Abstract
The mobile application based on the Android platform is simple to decompile, making it possible to create malicious applications similar to normal ones, and can easily distribute the created malicious apps through the Android third party app store. In this case, the Android malicious application in the smartphone causes several problems such as leakage of personal information in the device, transmission of premium SMS, and leakage of location information and call records. Therefore, it is necessary to select a optimal model that provides the best performance among the machine learning techniques that have published recently, and provide a technique to automatically identify malicious Android apps. Therefore, in this paper, after adopting the feature engineering to Android apps on official test set, a total of four performance evaluation experiments were conducted to select the machine learning model that provides the optimal performance for Android malicious app detection.
참고문헌 (15)
- "Internet Security Threat Report. Volume 23" (2018)[URL]
- "Mobile malware evolution 2019" (2020)[URL]
- 박동혁, "DEX 파일을 이용한 효율적인 안드로이드 변종 악성코드 탐지 기술", 정보보호학회논문지, 26(4), pp.895~902 (2016), 한국정보보호학회[DOI]
- D. H. Kim, "Machine Learning based Android Malware Detection using Gray Scale Images", KOREA INFORMATION SCIENCE SOCIETY, 45(1), pp.1245~1247 (2018)
- "Androguard"[URL]
- "Jupyter Notebook"[URL]
- "Jupyter Lab"[URL]
- "Python"[URL]
- "scikit-learn"[URL]
- J. W. Jang, "Detecting and classifying method based on similarity matching of Android malware behavior with profile", SpringerPlus, 5(1), pp.273~ (2016)
- 윤재성, "행위기반의 프로파일링 기법을 활용한 모바일 악성코드 분류 기법", 정보보호학회논문지, 24(1), pp.145~154 (2014), 한국정보보호학회[DOI]
- "Android Documentation"[URL]
- 황수민, "Identification of Counterfeit Android Malware Apps using Hyperledger Fabric Blockchain", 인터넷정보학회논문지, 20(2), pp.61~68 (2019), 한국인터넷정보학회
- 이형우, "Consortium Blockchain based Forgery Android APK Discrimination DApp using Hyperledger Composer", 인터넷정보학회논문지, 20(5), pp.9~18 (2019), 한국인터넷정보학회[DOI]
- 배근우, "하이브리드 블록체인을 이용한 데이터베이스 보안", 사물인터넷융복합논문지, 6(1), pp.9~15 (2020), 한국사물인터넷학회