Effiziente Malware-Erkennung in Android-Geräten zur Verbesserung der Cybersicherheit

Das Projekt stellt ein neuartiges Framework zur Erkennung von Android-Malware auf Basis von Berechtigungen vor, das mehrere Methoden der linearen Regression nutzt. Berechtigungen spielen eine entscheidende Rolle für die Sicherheit des Android-Betriebssystems und dienen als grundlegende Indikatoren für das Verhalten einer Anwendung. Durch statische Analysen extrahiert das Framework die Anwendungsberechtigungen und verwendet maschinelles Lernen zur Durchführung von Sicherheitsanalysen. Insbesondere nutzt das Framework mehrere Techniken der linearen Regression, um zwei Klassifikatoren für die auf Berechtigungen basierende Erkennung von Android-Malware zu entwickeln. Diese Klassifikatoren nutzen die Beziehungen zwischen verschiedenen Berechtigungsattributen, um potenziell schadhafte Anwendungen genau zu identifizieren. Bemerkenswerterweise erreicht das Framework bemerkenswerte Leistungsniveaus mit Klassifikationsalgorithmen, ohne dass übermäßig komplexe Modelle erforderlich sind. Im Projekt verwendet das bestehende System den Random Forest (RF)-Algorithmus, während das vorgeschlagene System den Support Vector Machine (SVM)-Algorithmus anwendet. Beide Algorithmen werden hinsichtlich der Genauigkeit bewertet, wobei die Ergebnisse zeigen, dass der vorgeschlagene SVM-Ansatz die bestehende RF-Methode übertrifft. Dies hebt die Effektivität von SVM bei der genauen Erkennung von Android-Malware basierend auf der Berechtigungsanalyse hervor.