Jaccard-ABC e Cor-ABC para seleção de características em datasets de malware Android

Loading...
Thumbnail Image

Co-advisor(s)

Committee members

Santos, Eulanda Miranda dos
Kreutz, Diego Luis

Journal Title

Journal ISSN

Volume Title

Publisher

Universidade Federal do Amazonas

Access rights

DOI

Resumo (Portuguese)

Esta dissertação tem como objetivo aprimorar a seleção de características em con- juntos de dados voltados para a detecção de malware Android, propondo dois novos métodos de exploração de vizinhança baseados em medidas de similaridade para o algoritmo Colônia Artificial de Abelhas (ABC). Os métodos propostos, Jaccard-ABC e Cor-ABC, demonstraram eficácia na redução do número de características em diversos cenários, frequentemente superando 30% de redução, com Jaccard-ABC excedendo os resultados obtidos pelo ABC tradicional em todos os cenários. Além disso, os métodos mantiveram um desempenho competitivo em termos de acurácia, precisão, revocação e F1, com variações geralmente inferiores a 1% em relação ao ABC tradicional. O mé- todo Cor-ABC, em particular, apresentou maior estabilidade, reduzindo a aleatoriedade interna do processo de seleção. Conclui-se que os métodos propostos oferecem contri- buições valiosas para a seleção eficiente de características, especialmente no contexto de detecção de malware em dispositivos Android.

Abstract

This dissertation aims to improve feature selection in datasets focused on Android malware detection by proposing two new neighborhood exploration methods based on similarity measures for the Artificial Bee Colony (ABC) algorithm. The proposed meth- ods, Jaccard-ABC and Cor-ABC, demonstrated effectiveness in reducing the number of features across various scenarios, often surpassing 30% reduction, with Jaccard-ABC outperforming the traditional ABC in all scenarios. Furthermore, the methods main- tained competitive performance in terms of accuracy, precision, recall, and F1, with variations generally less than 1% compared to the traditional ABC. The Cor-ABC method, in particular, exhibited greater stability by reducing internal randomness in the selection process. In conclusion, the proposed methods provide valuable contributions to efficient feature selection, especially in the context of malware detection on Android devices.

Description

Controlled term

Android (Recurso eletrônico); Malware (Software); Inteligência coletiva

Sustainable Development Goals (SDG)

Citation

CANTO, Gabriel Sousa. Jaccard-ABC e Cor-ABC para seleção de características em datasets de malware Android. 2024. 63 f. Dissertação (Mestrado em Informática) - Universidade Federal do Amazonas, Manaus, 2024.

Endorsement

Review

Supplemented By

Referenced By

Creative Commons license

Except where otherwise noted, this item's license is described as Acesso Aberto