안드로이드 모바일 악성 앱 탐지를 위한 확률적 K-인접 이웃 분류기
Probabilistic K-nearest neighbor classifier for detection of malware in android mobile
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
현대인은 스마트폰과 매우 밀접한 관계를 가지고 있으며 이로 인한 수 많은 보안 위협에 노출되어 있다. 실제로해커들은 스마트폰에 악성 프로그램을 은밀하게 설치하여 장치 이용 제한 및 개인정보 유출 등의 보안 위협을 야기하고 있다. 그리고 그러한 악성 프로그램은 일반적인 프로그램과 다르게 필요 이상의 권한을 요구한다. 본 논문에서는 이 같은 문제를 바탕으로 사용되는 안드로이드 기반 앱들이 요구하는 권한 데이터를 이용하여 주성분 분석(Principle Component Analysis:PCA)과 확률적 K-인접 이웃(Probabilistic K-Nearest Neighbor:PKNN) 방식을 사용하여 효과적으로 악성 프로그램과 일반 프로그램을 분류하고자 한다. 이뿐 아니라이를 k-묶음 교차 검증(K-fold Croos Validation)을 통해 PKNN의 정확도를 측정하였다. 그리고 일반적으로 사용되는 K-인접 이웃(K-Nearest Neighbor:KNN) 방식과 비교하여, KNN이 분류하기 힘든 부분을 확률적으로해결하는 PKNN방법을 제안한다. 최종적으로 제안한 방식을 최적화하는 k와 B 파라미터를 구하는 것을 목표로 한다. 본 논문에서 사용된 악성 앱 샘플은 Contagio에 요청하여 이용하였다.
Abstract
In this modern society, people are having a close relationship with smartphone. This makes easier for hackers to gain the user’s information by installing the malware in the user’s smartphone without the user’s authority. This kind of action are threats to the user’s privacy. The malware characteristics are different to the general applications. It requires the user’s authority. In this paper, we proposed a new classification method of user requirements method by each application using the Principle Component Analysis(PCA) and Probabilistic K-Nearest Neighbor(PKNN) methods. The combination of those method outputs the improved result to classify between malware and general applications. By using the K-fold Cross Validation, the measurement precision of PKNN is improved compare to the previous K-Nearest Neighbor(KNN). The classification which difficult to solve by KNN also can be solve by PKNN with optimizing the discovering the parameter k and B . Also the sample that has being use in this experiment is based on the Contagio.
참고문헌 (21)
- "Smartphone Users Worldwide Will Total 1.75 Billion in 2014" (2014)[URL]
- DENCK, William, "Understanding Android Security", IEEE security & privacy, pp.50~57 (2009)
- "Mobile/Tablet Top Operating System Share Trend" (2014)[URL]
- ORTHACKER, Clemens, "Security and Privacy inMobile Information and Communication Systems", pp.40~51 (2012), Springer Berlin Heidelberg
- "Android Statistics –Google Play stats" (2015)[URL]
- WEI, Xuetao, "Permission evolution in the android ecosystem", Proceedings of the 28th Annual Computer Security Applications Conference. ACM, pp.31~40 (2012)
- FELT, Adrienne Porter, "Android permissions demystified.", Proceedings of the 18th ACM conference on Computer and communications security, pp.627~638 (2011)
- WOLD, Svante, "Principal component analysis", Chemometrics and intelligent laboratory systems, 2(1), pp.37~52 (1987)
- "Machine Learning A Probabilistic Approach" (2006)[URL]
- HOLMES, C. C., "probabilistic nearest neighbour method for statistical pattern recognition", Journal of the Royal Statistical Society:Series B (Statistical Methodology), 64(2), pp.295~306 (2002)
- BEYER, Kevin, "When is “nearest neighbor,” meaningful?", Database Theory—ICDT’99, pp.217~235 (1999)
- "Machine Learning and Pattern Recognition Principal Component Analysis" (2001)[URL]
- Zhang, "A k-nearest neighbor based algorithm for multi-label classification", Granular Computing, 2005 IEEE International Conference on, 2, pp.718~721 (2005)
- 이혜림, "안드로이드 모바일 단말기를 위한 효율적인 악성앱 감지법", 정보보호학회논문지, 24(4), pp.617~624 (2014), 한국정보보호학회[DOI]
- Yoon, Ji Won, "Efficient model selection for probabilistic K nearest neighbour classification", Neurocomputing, 149, pp.1098~1108 (2015)
- FELT, Adrienne Porter, "A survey of mobile malware in the wild", Proceedings of the 1st ACM workshop on Security and privacy in smartphones and mobile devices, pp.3~14 (2011)
- BOSE, Abhijit, "Behavioral detection of malware on mobile handsets", Proceedings of the 6th international conference on Mobile systems, applications, and services, pp.225~238 (2008)
- 윤재성, "행위기반의 프로파일링 기법을 활용한 모바일 악성코드 분류 기법", 정보보호학회논문지, 24(1), pp.145~154 (2014), 한국정보보호학회[DOI]
- VENUGOPAL, Deepak, "Efficient signature based malware detection on mobile devices", Mobile Information Systems, 4(1), pp.33~49 (2008)
- PEIRAVIAN, Naser, "Machine learning for android malware detection using permission and api calls", Tools with Artificial Intelligence (ICTAI), 2013 IEEE 25th International Conference on, pp.300~305 (2013)
- AUNG, Zarni, "Permission-based Android malware detection", International Journal of Scientific and Technology Research, 2(3), pp.228~234 (2013)