Журнал основ возобновляемой энергии и приложений
Открытый доступ

Абстрактный

Машинное обучение для выявления вредоносного ПО для iOS

Лиза Анджелина

Смартфоны превратились в незаменимый компонент нашей повседневной жизни. Смартфоны практически полностью используются как средство общения, источник информации и источник удовольствия на социальном, политическом и экономическом уровне. Стремительный прогресс в области информационной и кибербезопасности потребовал особого внимания к конфиденциальности и безопасности данных смартфонов. Недавно были созданы системы обнаружения шпионских программ как потенциальный и привлекательный вариант защиты конфиденциальности пользователей смартфонов. Поскольку операционная система Android является наиболее распространенной в мире, она является основной целью для различных групп, заинтересованных в атаках на конфиденциальность пользователей смартфонов. Это исследование представляет собой уникальный набор данных, собранный в реалистичной обстановке с использованием нового подхода к сбору данных, основанного на унифицированном списке действий.

Данные разделены на три категории: обычный трафик смартфонов, данные о трафике для процедуры установки шпионского ПО и данные о трафике, работающем со шпионским ПО. Для проверки этого набора данных и предлагаемой модели использовался подход классификации случайного леса. Для категоризации данных использовались два подхода: классификация по двоичным классам и многоклассовая классификация. С точки зрения точности были получены хорошие результаты. Общая средняя точность для классификации по двоичным классам составила 79% и 77% для многоклассовой классификации.