Avaliação de Métodos de Seleção de Características de Amostras Android com a Ferramenta FS3E (v2)

  • Nicolas Neves UFAM
  • Vanderson Rocha UFAM
  • Diego Kreutz UNIPAMPA
  • Hendrio Bragança UFAM
  • Eduardo Feitosa UFAM

Resumo


Neste artigo apresentamos uma avaliação extensiva de oito métodos de seleção de características utilizando a nova versão da F3SE (v2). Para a avaliação dos métodos, utilizamos seis datasets distintos. Os resultados indicam que há uma variabilidade significativa entre os métodos e entre os datasets. Entretanto, podemos observar os métodos FSDroid e SemiDroid apresentam uma maior estabilidade e qualidade geral na seleção de características.

Referências

Bhat, P. and Dutta, K. (2022). A multi-tiered feature selection model for android malware detection based on feature discrimination and information gain. Journal of King Saud University, 34(10, Part B).

Bragança, H., Rocha, V., Souto, E., Kreutz, D., and Feitosa, E. (2023a). Capturing the behavior of android malware with mh-100k: A novel and multidimensional dataset. In XXIII SBSeg.

Bragança, H., Rocha, V., Souto, E., Kreutz, D., and Feitosa, E. (2023b). Explaining the effectiveness of machine learning in malware detection: Insights from explainable AI. In XXIII SBSeg.

Costa, E., Kreutz, D., Rocha, V., Leão, L., Sabóia, S., Neves, N., and Feitosa, E. (2022). FS3E: uma ferramenta para execução e avaliação de métodos de seleção de características para detecção de malwares android. In XXII SBSeg, pages 151–158. SBC.

HEAVY.AI (2023). Feature selection definition? https://www.heavy.ai/technical-glossary/feature-selection.

Mahindru, A. and Sangal, A. (2021a). FSDroid: A feature selection technique to detect malware from android using machine learning techniques. Multimedia Tools and Applications, 80(9):13271–13323.

Mahindru, A. and Sangal, A. (2021b). SemiDroid: a behavioral malware detector based on unsupervised machine learning techniques using feature selection approaches. Int. J. of ML and Cybernetics, 12.

Mohammadi, F. G., Shenavarmasouleh, F., Amini, M. H., and Arabnia, H. R. (2020). Malware detection using artificial bee colony algorithm. In ACM Int. Conf. on Pervasive and Ubiquitous Computing. ACM.

Soares, T., Kreutz, D., Rocha, V., Costa, E., Leão, L., Pontes, J., Assolin, J., Rodrigues, G., and Feitosa, E. (2022). Uma análise de métodos de seleção de características aplicados à detecção de malwares android. In XXII SBSeg, pages 288–301. SBC.
Publicado
23/10/2023
NEVES, Nicolas; ROCHA, Vanderson; KREUTZ, Diego; BRAGANÇA, Hendrio; FEITOSA, Eduardo. Avaliação de Métodos de Seleção de Características de Amostras Android com a Ferramenta FS3E (v2). In: ESCOLA REGIONAL DE REDES DE COMPUTADORES (ERRC), 20. , 2023, Porto Alegre/RS. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2023 . p. 139-144. DOI: https://doi.org/10.5753/errc.2023.928.