Jaccard-ABC e Cor-ABC para seleção de características em datasets de malware Android
Loading...
Date
Authors
Advisor(s)
Co-advisor(s)
Committee members
Santos, Eulanda Miranda dos
Kreutz, Diego Luis
Kreutz, Diego Luis
Graduate program
Journal Title
Journal ISSN
Volume Title
Publisher
Universidade Federal do Amazonas
Type
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
Keywords
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.
Collections
Endorsement
Review
Supplemented By
Referenced By
Creative Commons license
Except where otherwise noted, this item's license is described as Acesso Aberto

