Treffer: Kötü amaçlı Android tabanlı yazılım tespitinin trend meta-sezgisel algoritmalar ile karşılaştırılmalı analizi ; Comparative analysis of malicious Android-based software detection with trending metaheuristic algorithms

Title:
Kötü amaçlı Android tabanlı yazılım tespitinin trend meta-sezgisel algoritmalar ile karşılaştırılmalı analizi ; Comparative analysis of malicious Android-based software detection with trending metaheuristic algorithms
Source:
Volume: 31, Issue: 198-115 ; 2147-5881 ; Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi ; Pamukkale University Journal of Engineering Sciences
Publisher Information:
Pamukkale University
Pamukkale Üniversitesi
Publication Year:
2024
Collection:
DergiPark Akademik (E-Journals)
Document Type:
Fachzeitschrift article in journal/newspaper
File Description:
application/pdf
Language:
English
Accession Number:
edsbas.30FB32A6
Database:
BASE

Weitere Informationen

Günümüzde Android kötü amaçlı yazılım tehdit ve saldırıları, kullanımları ve popülerlikleri nedeniyle hızla artmaktadır. Bu nedenle, kötü amaçlı yazılımları etkili bir şekilde tespit edebilecek sistemlere olan ihtiyaç da gün geçtikçe artmaktadır. Bu çalışma, Android kötü amaçlı yazılımların tespitinde optimum özellik seçimi (FS) için trend olan çeşitli meta-sezgisel algoritmaların sarmalama yöntemi ile kullanılmasını önermektedir. Bu amaçla, bu çalışmada Yapay Arı Kolonisi Algoritması (ABC), Ateş Böceği Algoritması (FA), Gri Kurt Optimizasyonu (GWO), Karınca Aslanı Optimizasyonu (ALO), Karga Arama Algoritması (CSA), Sinüs Kosinüs Algoritması (SCA), Balina Optimizasyon Algoritması (WOA), Salp Sürü Algoritması (SSA), Harris Şahin Optimizasyonu (HHO) ve Kelebek Optimizasyonu Algoritması (BOA) gibi özellik seçiminde en öne çıkan on güncel meta-sezgisel algoritma (RMA) kullanılmıştır. Bu algoritmaların verimliliği, Android uygulamalarının iyi bilinen iki veri kümesi (Drebin-215 ve Malgenome215) üzerinde beş farklı makine öğrenmesi (ML) yöntemi ile değerlendirilmiştir. Ayrıca, elde edilen sonuçlar bu problemin çözümünde yaygın olarak kullanılan ve iyi bilinen beş geleneksel metasezgisel algoritma (CMAs) ile de karşılaştırılmıştır. Kapsamlı deneysel sonuçlar, RMA’nın Android kötü amaçlı yazılım tespitine dahil edilmesinin değerli bir yaklaşım olduğunu göstermektedir. ; Today, Android malware threats and attacks are rapidly increasing due to their use and popularity. Therefore, the need for systems effectively detecting malware is also increasing day by day. This study proposes the use of various trending metaheuristic algorithms for optimal feature selection (FS) in the detection of Android malware. For this purpose, the ten most prominent recent metaheuristic algorithms (RMAs) for feature selection such as Artificial Bee Colony Algorithm (ABC), Firefly Algorithm (FA), Grey Wolf Optimisation (GWO), Ant Lion Optimisation (ALO), Crow Search Algorithm (CSA), Sine Cosine Algorithm (SCA), Whale Optimisation Algorithm (WOA), ...