Classificação de Malware em Android Usando Razão de Ganho e Aprendizado de Máquina em Conjunto

Recentemente, o número de usuários de Android aumentou significativamente, o que fez do Android um alvo para atacantes lançarem suas atividades maliciosas. Malware ou código malicioso é frequentemente incorporado em aplicativos Android para obter acesso ao dispositivo do usuário e recuperar dados pessoais. Pesquisadores exploraram várias abordagens para mitigar a disseminação de malware em Android. Além disso, o conjunto de dados de malware em Android possui dimensões enormes com centenas de características. Escolher o método adequado de seleção de características é um dos desafios para produzir um modelo de detecção confiável. Este artigo propõe uma abordagem para detectar malware em Android e classificá-lo em cinco categorias usando seleção de características por razão de ganho e um algoritmo de aprendizado de máquina em conjunto. As características são reduzidas com base em seu valor de importância através do método de cálculo da razão de ganho. Em seguida, as características que são consideradas necessárias são incluídas em um processo de classificação que combina vários modelos. O experimento usando o conjunto de dados CICMalDroid2020 (Instituto Canadense de Cibersegurança Malware de Android 2020) mostra que a abordagem proposta pode melhorar o desempenho da detecção. A seleção de características por razão de ganho melhora a precisão da detecção em vários algoritmos de classificação de aprendizado de máquina, 2,59% no Naïve Bayes, 0,90% no k-Vizinhos mais Próximos, e 2,29% na Máquina de Vetores de Suporte. Assim, os modelos de aprendizado de máquina em conjunto de Floresta Aleatória, Extra Tree e k-Vizinhos mais Próximos alcançaram o maior desempenho, com uma precisão de 94,57% e uma pontuação de precisão de 94,71%.