Key points are not available for this paper at this time.
Étant donné les changements fréquents dans le cadre Android et l'évolution continue des logiciels malveillants Android, il est difficile de détecter les logiciels malveillants au fil du temps de manière efficace et évolutive. Pour relever ce défi, nous proposons DroidEvolver, un système de détection de logiciels malveillants Android qui peut se mettre à jour automatiquement et continuellement pendant la détection de logiciels malveillants sans intervention humaine. Alors que la plupart des systèmes de détection de logiciels malveillants existants peuvent être mis à jour en se réentraînant sur de nouvelles applications avec des étiquettes vraies, DroidEvolver ne nécessite ni réentraînement ni étiquettes vraies pour se mettre à jour, principalement en raison de l'idée que DroidEvolver effectue une mise à jour nécessaire et légère en utilisant des techniques d'apprentissage en ligne avec un ensemble de caractéristiques évolutif et des étiquettes pseudo. La performance de détection de DroidEvolver est évaluée sur un ensemble de données de 33 294 applications bénignes et 34 722 applications malveillantes développées sur une période de six ans. En utilisant 6 286 applications datées de 2011 comme ensemble de formation initial, DroidEvolver atteint un F-mesure de détection élevé (95,27 %), qui ne diminue que de 1,06 % en moyenne par an au cours des cinq années suivantes pour classer 57 539 nouvelles applications apparues. Notez que ces nouvelles applications peuvent utiliser de nouvelles techniques et de nouvelles API, qui ne sont pas connues de DroidEvolver lors de son initialisation avec les applications de 2011. Comparé au système de détection de logiciels malveillants à la pointe de la technologie MAMADROID, le F-mesure de DroidEvolver est en moyenne 2,19 fois plus élevé (10,21 fois plus élevé pour la cinquième année), et l'efficacité de DroidEvolver est 28,58 fois plus élevée que MAMADROID lors de la détection de logiciels malveillants. DroidEvolver est également montré robuste contre des techniques classiques d'obfuscation de code.
Xu et al. (Sat,) ont étudié cette question.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: