안드로이드 모바일 단말기를 위한 효율적인 악성앱 감지법
Efficient Malware Detector for Android Devices
0
조회
0
다운로드
3
인용
0
참고문헌
키워드
초록
스마트폰 사용이 급증하였고 스마트폰에 탑재되는 OS 중 안드로이드가 차지하는 비중이 가장 높아졌다. 그러나 오픈소스로 제공되는 안드로이드의 특성이 악의적인 사용자들에게 유용하게 사용되어 스마트폰 사용자들의 프라이버시를위협하고 있다. 이 논문에서 우리는 안드로이드 앱에서 요구하는 권한 정보를 사용하여 효율적인 악성앱 감지법을 제안한다. 이를 위하여 주성분 분석과 kNN 분류자를 사용하였으며, 새로운 앱들의 특성들을 분류자에 실시간으로 반영하기 위한 incremental kNN 분류자를 제안한다. 또한 이 분류자들의 정확률을 측정하기 위하여 k-묶음 교차 검증법을사용하였다. 실험에 사용된 실제 악성앱 샘플을 얻기 위하여 Contagio에 요청하였으며 이를 이용하여 분류자의 정확률을 측정하였다.
Abstract
Smart phone usage has increased exponentially and open source based Android OS occupy significant market share. However,various malicious applications that use the characteristic of Android threaten users. In this paper, we construct an efficientmalicious application detector by using the principle component analysis and the incremental k nearest neighbor algorithm, whichconsider an required permission, of Android applications. The cross validation is exploited in order to find a critical parameterof the algorithm. For the performance evaluation of our approach, we simulate a real data set of Contagio Mobile.
참고문헌 (11)
- "Gartner Says Smartphone Sales Grew 46.5 Percent in Second Quarter of 2013and Exceeded Feature Phone Sales for First Time", Gartner, ~ (2014)
- Mobile threat report q4 2012, , F-Secure, ~ (2012)
- NQ mobile 2012 security report, , NQ mobile, ~ (2012)
- S. Y. Yerima, "A new android malware detection approach using bayesian classification", Advanced Information Networking and Applications (AINA), 2013 IEEE 27th International Conference on. IEEE, pp.121~128 (2013)
- "Anubis: Analyzing unknown binaries"[URL]
- A. Reina, "A system call-centric analysis and stimulation technique to automatically reconstruct android malware behaviors", EuroSec (2013)
- "Android developers"[URL]
- A. P. Felt, "Android permissions demystified", Proceedings of the 18th ACM conference on Computer and communications security, pp.627~638 (2011), ACM
- D. Barber, "Machine learning a probabilistic approach", ~ (2006)
- K. Forter, "Incremental kNN classifier exploiting correct-error teacher for activity recognition", Machine Learning and Applications (ICMLA), 2010 Ninth International Conference on. IEEE, pp.445~450 (2010)
- "Contagio mobile"[URL]