Hacia el desarrollo de un enfoque sistemático para generar conjuntos de datos de referencia de malware para Android y clasificación

La detección de malware es uno de los factores más importantes en la seguridad de los smartphones. Los investigadores académicos han estudiado ampliamente los problemas de detección de malware en Android. Los métodos de aprendizaje automático propuestos en trabajos anteriores típicamente informaron de un alto rendimiento de detección y tiempos de predicción rápidos en conjuntos de datos fijos y defectuosos. Por lo tanto, basados en estas deficiencias, la mayoría de los conjuntos de datos no son adecuados para su despliegue en el mundo real. El objetivo principal de este trabajo es proponer un enfoque sistemático para generar conjuntos de datos de malware en Android utilizando smartphones reales en lugar de emuladores y desarrollar un nuevo conjunto de datos, a saber, CI-CAndMal2017, que cubre todas las deficiencias y limitaciones de los conjuntos de datos anteriores. Además, ofrecemos 80 características de tráfico para seleccionar los mejores conjuntos de características para detectar y clasificar las familias maliciosas solo mediante análisis de tráfico. El método propuesto mostró una precisión promedio del 85% y una recuperación del 88% para tres clasificadores, a saber, Random Forest (RF), K-Nearest Neighbor (KNN) y Decision Tree (DT).