선별된 특성 정보를 이용한 안드로이드 악성 앱 탐지 연구
A Study on Android Malware Detection using Selected Features
2
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
모바일 악성 앱이 급증하고 있으며, 전 세계 모바일 OS 시장의 대부분을 차지하고 있는 안드로이드가 모바일 사이버 보안 위협의 주요 대상이 되고 있다. 따라서 빠르게 진화하는 악성 앱에 대응하기 위해 인공지능 구현기술 중 하나인 기계학습을 활용한 악성 앱 탐지 기법의 필요성이 대두되고 있다. 본 논문은 악성 앱의 탐지 성능을 향상할 수 있는 특성 선택 및 특성 추출을 이용한 특성 선별 방법을 제안하였다. 특성 선별 과정에서 특성 개수에 따라 탐지 성능이 향상되었으며, 권한보다 API가 상대적으로 좋은 탐지 성능을 보였고, 두 특성을 조합하면 평균 93% 이상의 높은 탐지 정밀도를 보여 적절한 특성의 조합이 탐지 성능을 높일 수 있음을 확인하였다.
Abstract
Mobile malicious apps are increasing rapidly, and Android, which accounts for most of the global mobile OS market, is becoming a major target of mobile cyber security threats. Therefore, in order to cope with rapidly evolving malicious apps, there is a need for detection techniques of malicious apps using machine learning, one of artificial intelligence implementation technologies. In this paper, we propose a selected feature method using feature selection and feature extraction that can improve the detection performance of malicious apps. In the feature selection process, the detection performance improved according to the number of features, and the API showed relatively better detection performance than the permission. Also combining the two characteristics showed high precision of over 93% on average, confirming that the appropriate combination of characteristics could improve the detection performance.
참고문헌 (17)
- R. Shafin, "Artificial intelligence-enabled cellular networks: A critical path to beyond-5g and 6g", IEEE Wireless Communications, 27(2), pp.212~217 (2020)
- McAfee Mobile Threat Report 2021, "McAfee", ~ (2021)
- "Mobile Operating System Market Share Worldwide" (2021)[URL]
- F. A. Narudin, "Evaluation of machine learning classifiers for mobile malware detection", Soft Computing, 20, pp.343~357 (2016)[DOI]
- 강성은, "머신러닝을 이용한 권한 기반 안드로이드 악성코드 탐지", 정보보호학회논문지, 28(3), pp.617~623 (2018), 한국정보보호학회[DOI]
- H. Cho, "A study on Android malware event trigger based on reinforcement learning", Master, pp.2019
- 주진걸, "기계학습 기반의 실시간 악성코드 탐지를 위한 최적 특징 선택 방법", 멀티미디어학회논문지, 22(2), pp.203~209 (2019), 한국멀티미디어학회[DOI]
- 부주훈, "악성 안드로이드 앱 탐지를 위한 개선된 특성 선택 모델", 정보보호학회논문지, 30(3), pp.357~367 (2020), 한국정보보호학회[DOI]
- "Android App Bundle Information"[URL]
- "Authority on Android"[URL]
- "Android developer >Document > Guide"[URL]
- 유진현, "모바일 환경에 적합한 DNN 기반의 악성 앱 탐지 방법에 관한 연구", 정보처리학회논문지. 컴퓨터 및 통신시스템, 6(3), pp.159~168 (2017), 한국정보처리학회[DOI]
- L. Li, "Static analysis of android apps: A systematic literature review", Information and Software Technology, 88, pp.67~95 (2017)[DOI]
- S. Sarangi, "Optimization of data-driven filterbank for automatic speaker verification", Digital Signal Processing, pp.104~ (2020)[DOI]
- S. Y. Yerima, "DroidFusion: A novel multilevel classifier fusion approach for android malware detection", IEEE Transactions on Cybernetics, 49(2), pp.453~466 (2019)[DOI]
- D. Arp, "Drebin: efficient and explainable detection of android malware in your pocket", Network and Distributed System Security (NDSS) Symposium (2014)
- Y. Zhou, "Dissecting android malware: characterization and evolution", IEEE Symposium on Security and Privacy (2012)