Avaliação de métodos de classificação baseados em regras de associação para detecção de malwares android

Detalhes bibliográficos
Autor(a) principal: Rocha, Vanderson da Silva
Data de Publicação: 2023
Outros Autores: http://lattes.cnpq.br/8598944580181017, https://orcid.org/0000-0003-3103-7749
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFAM
Texto Completo: https://tede.ufam.edu.br/handle/tede/9430
Resumo: Esta pesquisa tem por objetivo investigar o desempenho e a viabilidade de diferentes modelos de regras de associação no contexto de classificação de malwares Android. Para tanto, desenvolvemos um novo modelo de classificação baseado em regras de associação e qualidade de regras. Para fins de comparação dos modelos, utilizamos datasets conhecidos e frequentemente usados para o treino de modelos de detecção de \malwares Android. Os resultados demonstram que nosso modelo possui desempenho equivalente a outros modelos baseados em regras de associação, obtendo valores de acurácia acima de 85\%, e em alguns casos sobressaindo-se a modelos de aprendizagem de máquina.
id UFAM_3e90d915c90f3479cd584b0958a33ff8
oai_identifier_str oai:https://tede.ufam.edu.br/handle/:tede/9430
network_acronym_str UFAM
network_name_str Biblioteca Digital de Teses e Dissertações da UFAM
repository_id_str 6592
spelling Avaliação de métodos de classificação baseados em regras de associação para detecção de malwares androidEvaluation of classification methods based on association rules for android malware detectionAndroid (Recurso eletrônico)Software - ProteçãoCIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: SISTEMAS DE COMPUTACAO: ARQUITETURA DE SISTEMAS DE COMPUTACAOCIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: METODOLOGIA E TECNICAS DA COMPUTACAO: SISTEMAS DE INFORMACAOAndroidDetecção de MalwaresRegras de AssociaçãoMineração de DadosAprioriFP-GrowthECLATQualidade de RegrasEQAREsta pesquisa tem por objetivo investigar o desempenho e a viabilidade de diferentes modelos de regras de associação no contexto de classificação de malwares Android. Para tanto, desenvolvemos um novo modelo de classificação baseado em regras de associação e qualidade de regras. Para fins de comparação dos modelos, utilizamos datasets conhecidos e frequentemente usados para o treino de modelos de detecção de \malwares Android. Os resultados demonstram que nosso modelo possui desempenho equivalente a outros modelos baseados em regras de associação, obtendo valores de acurácia acima de 85\%, e em alguns casos sobressaindo-se a modelos de aprendizagem de máquina.This research aims to investigate the performance and viability of different models of association rules in the context of classifying Android malwares. For that, we developed a new classification model based on association rules and rule quality. For model comparison purposes, we used known and frequently used datasets for training Android malware detection models. The results demonstrate that our model performs equivalently to other models based on association rules, obtaining accuracy values above 85\%, and in some cases surpassing machine learning models.FAEPI - Fundação de Apoio ao Ensino, Pesquisa, Extensão e Interiorização do IFAMUniversidade Federal do AmazonasInstituto de ComputaçãoBrasilUFAMPrograma de Pós-graduação em InformáticaFeitosa, Eduardo Luzeirohttp://lattes.cnpq.br/5939944067207881Grégio, André Ricardo AbedOliveira, Horácio Antônio Braga Fernandes deRocha, Vanderson da Silvahttp://lattes.cnpq.br/8598944580181017https://orcid.org/0000-0003-3103-77492023-06-27T14:15:32Z2023-04-19info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfROCHA, Vanderson da Silva. Avaliação de Métodos de Classificação Baseados em Regras de Associação para Detecção de Malwares Android. 2023. 83 f. Dissertação (Mestrado em Informática) - Universidade Federal do Amazonas, Manaus (AM), 2023.https://tede.ufam.edu.br/handle/tede/9430porhttp://creativecommons.org/licenses/by-sa/4.0/info:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFAMinstname:Universidade Federal do Amazonas (UFAM)instacron:UFAM2023-06-28T05:04:03Zoai:https://tede.ufam.edu.br/handle/:tede/9430Biblioteca Digital de Teses e Dissertaçõeshttp://200.129.163.131:8080/PUBhttp://200.129.163.131:8080/oai/requestddbc@ufam.edu.br||ddbc@ufam.edu.bropendoar:65922023-06-28T05:04:03Biblioteca Digital de Teses e Dissertações da UFAM - Universidade Federal do Amazonas (UFAM)false
dc.title.none.fl_str_mv Avaliação de métodos de classificação baseados em regras de associação para detecção de malwares android
Evaluation of classification methods based on association rules for android malware detection
title Avaliação de métodos de classificação baseados em regras de associação para detecção de malwares android
spellingShingle Avaliação de métodos de classificação baseados em regras de associação para detecção de malwares android
Rocha, Vanderson da Silva
Android (Recurso eletrônico)
Software - Proteção
CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: SISTEMAS DE COMPUTACAO: ARQUITETURA DE SISTEMAS DE COMPUTACAO
CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: METODOLOGIA E TECNICAS DA COMPUTACAO: SISTEMAS DE INFORMACAO
Android
Detecção de Malwares
Regras de Associação
Mineração de Dados
Apriori
FP-Growth
ECLAT
Qualidade de Regras
EQAR
title_short Avaliação de métodos de classificação baseados em regras de associação para detecção de malwares android
title_full Avaliação de métodos de classificação baseados em regras de associação para detecção de malwares android
title_fullStr Avaliação de métodos de classificação baseados em regras de associação para detecção de malwares android
title_full_unstemmed Avaliação de métodos de classificação baseados em regras de associação para detecção de malwares android
title_sort Avaliação de métodos de classificação baseados em regras de associação para detecção de malwares android
author Rocha, Vanderson da Silva
author_facet Rocha, Vanderson da Silva
http://lattes.cnpq.br/8598944580181017
https://orcid.org/0000-0003-3103-7749
author_role author
author2 http://lattes.cnpq.br/8598944580181017
https://orcid.org/0000-0003-3103-7749
author2_role author
author
dc.contributor.none.fl_str_mv Feitosa, Eduardo Luzeiro
http://lattes.cnpq.br/5939944067207881
Grégio, André Ricardo Abed
Oliveira, Horácio Antônio Braga Fernandes de
dc.contributor.author.fl_str_mv Rocha, Vanderson da Silva
http://lattes.cnpq.br/8598944580181017
https://orcid.org/0000-0003-3103-7749
dc.subject.por.fl_str_mv Android (Recurso eletrônico)
Software - Proteção
CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: SISTEMAS DE COMPUTACAO: ARQUITETURA DE SISTEMAS DE COMPUTACAO
CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: METODOLOGIA E TECNICAS DA COMPUTACAO: SISTEMAS DE INFORMACAO
Android
Detecção de Malwares
Regras de Associação
Mineração de Dados
Apriori
FP-Growth
ECLAT
Qualidade de Regras
EQAR
topic Android (Recurso eletrônico)
Software - Proteção
CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: SISTEMAS DE COMPUTACAO: ARQUITETURA DE SISTEMAS DE COMPUTACAO
CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: METODOLOGIA E TECNICAS DA COMPUTACAO: SISTEMAS DE INFORMACAO
Android
Detecção de Malwares
Regras de Associação
Mineração de Dados
Apriori
FP-Growth
ECLAT
Qualidade de Regras
EQAR
description Esta pesquisa tem por objetivo investigar o desempenho e a viabilidade de diferentes modelos de regras de associação no contexto de classificação de malwares Android. Para tanto, desenvolvemos um novo modelo de classificação baseado em regras de associação e qualidade de regras. Para fins de comparação dos modelos, utilizamos datasets conhecidos e frequentemente usados para o treino de modelos de detecção de \malwares Android. Os resultados demonstram que nosso modelo possui desempenho equivalente a outros modelos baseados em regras de associação, obtendo valores de acurácia acima de 85\%, e em alguns casos sobressaindo-se a modelos de aprendizagem de máquina.
publishDate 2023
dc.date.none.fl_str_mv 2023-06-27T14:15:32Z
2023-04-19
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv ROCHA, Vanderson da Silva. Avaliação de Métodos de Classificação Baseados em Regras de Associação para Detecção de Malwares Android. 2023. 83 f. Dissertação (Mestrado em Informática) - Universidade Federal do Amazonas, Manaus (AM), 2023.
https://tede.ufam.edu.br/handle/tede/9430
identifier_str_mv ROCHA, Vanderson da Silva. Avaliação de Métodos de Classificação Baseados em Regras de Associação para Detecção de Malwares Android. 2023. 83 f. Dissertação (Mestrado em Informática) - Universidade Federal do Amazonas, Manaus (AM), 2023.
url https://tede.ufam.edu.br/handle/tede/9430
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-sa/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-sa/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal do Amazonas
Instituto de Computação
Brasil
UFAM
Programa de Pós-graduação em Informática
publisher.none.fl_str_mv Universidade Federal do Amazonas
Instituto de Computação
Brasil
UFAM
Programa de Pós-graduação em Informática
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFAM
instname:Universidade Federal do Amazonas (UFAM)
instacron:UFAM
instname_str Universidade Federal do Amazonas (UFAM)
instacron_str UFAM
institution UFAM
reponame_str Biblioteca Digital de Teses e Dissertações da UFAM
collection Biblioteca Digital de Teses e Dissertações da UFAM
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFAM - Universidade Federal do Amazonas (UFAM)
repository.mail.fl_str_mv ddbc@ufam.edu.br||ddbc@ufam.edu.br
_version_ 1809731996746776576

Registros relacionados