SigAPI AutoCraft: uma ferramenta de seleção de características com capacidade de generalização
Resumo
Neste trabalho apresentamos a SigAPI AutoCraft, uma ferramenta de seleção de características com generalização nativamente incorporada. A partir de uma avaliação empírica extensa, utilizando dez datasets distintos e heterogêneos, podemos concluir que a SigAPI AutoCraft possui uma capacidade de generalização superior à maioria dos métodos sofisticados de seleção de características no contexto de malwares Android.
Referências
Alazab M. et. al. (2020). Intelligent mobile malware detection using permission requests and api calls. Future Generation Computer Systems, 107:509–521.
Cohen, I. et. al. (2009). Pearson correlation coefficient. Noise reduction in speech processing.
Costa, E. et. al. (2022). FS3E: uma ferramenta para execução e avaliação de métodos de seleção de características para detecção de malwares android. In XXII SBSeg. SBC.
Galib, A. H. et. al. (2020). Significant API calls in Android malware detection (using feature selection techniques and correlation based feature elimination). In The 32nd SEKE.
Golrang, A., Yayilgan, S. Y., and Elezaj, O. (2021). The multi-objective feature selection in Android malware detection system. In Intelligent Tech. and Applications, page 311.
Maniriho P. et. al. (2023). API-MalDetect: Automated malware detection framework for windows based on api calls and deep learning techniques. JNCA, 218:103704.
Neves, N., Rocha, V., Kreutz, D., Bragança, H., and Feitosa, E. (2023). Avaliação de métodos de seleção de características de amostras android com a ferramenta FS3E (v2). In Anais da XX ERRC. SBC.
Qiu, J. et. al. (2023). Cyber code intelligence for android malware detection. IEEE Transactions on Cybernetics, 53(1):617–627.
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 Anais do XXII SBSeg. SBC.
Soi D. et. al. (2024). Enhancing android malware detection explainability through function call graph apis. Journal of Information Security and Applications, 80:103691.
Tschiedel, L. C. et al. (2024). GitHub: SigAPI AutoCraft. [link].
Venkatesh, B. and Anuradha, J. (2019). A review of feature selection and its methods. Cybernetics and Information Technologies, 19(1):3–26.
Wei, G., Zhao, J., Feng, Y., He, A., and Yu, J. (2020). A novel hybrid feature selection method based on dynamic feature importance. Applied Soft Computing, 93:106337.
Cohen, I. et. al. (2009). Pearson correlation coefficient. Noise reduction in speech processing.
Costa, E. et. al. (2022). FS3E: uma ferramenta para execução e avaliação de métodos de seleção de características para detecção de malwares android. In XXII SBSeg. SBC.
Galib, A. H. et. al. (2020). Significant API calls in Android malware detection (using feature selection techniques and correlation based feature elimination). In The 32nd SEKE.
Golrang, A., Yayilgan, S. Y., and Elezaj, O. (2021). The multi-objective feature selection in Android malware detection system. In Intelligent Tech. and Applications, page 311.
Maniriho P. et. al. (2023). API-MalDetect: Automated malware detection framework for windows based on api calls and deep learning techniques. JNCA, 218:103704.
Neves, N., Rocha, V., Kreutz, D., Bragança, H., and Feitosa, E. (2023). Avaliação de métodos de seleção de características de amostras android com a ferramenta FS3E (v2). In Anais da XX ERRC. SBC.
Qiu, J. et. al. (2023). Cyber code intelligence for android malware detection. IEEE Transactions on Cybernetics, 53(1):617–627.
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 Anais do XXII SBSeg. SBC.
Soi D. et. al. (2024). Enhancing android malware detection explainability through function call graph apis. Journal of Information Security and Applications, 80:103691.
Tschiedel, L. C. et al. (2024). GitHub: SigAPI AutoCraft. [link].
Venkatesh, B. and Anuradha, J. (2019). A review of feature selection and its methods. Cybernetics and Information Technologies, 19(1):3–26.
Wei, G., Zhao, J., Feng, Y., He, A., and Yu, J. (2020). A novel hybrid feature selection method based on dynamic feature importance. Applied Soft Computing, 93:106337.
Publicado
16/09/2024
Como Citar
TSCHIEDEL, Laura C.; ROCHA, Vanderson; KREUTZ, Diego; BRAGANÇA, Hendrio; QUINCOZES, Silvio E.; NOGUEIRA, Angelo G. D.; ASSOLIN, Joner.
SigAPI AutoCraft: uma ferramenta de seleção de características com capacidade de generalização. In: SALÃO DE FERRAMENTAS - SIMPÓSIO BRASILEIRO DE SEGURANÇA DA INFORMAÇÃO E DE SISTEMAS COMPUTACIONAIS (SBSEG), 24. , 2024, São José dos Campos/SP.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2024
.
p. 169-176.
DOI: https://doi.org/10.5753/sbseg_estendido.2024.243361.
