Malware classification using deep learning

Bu çalışmada, Android uygulamalarının kullandığı izinlere dayalı olarak kötü amaçlı yazılımları tespit etmede farklı makine öğrenimi algoritmalarının performansı değerlendirilmiştir. Çalışma, dört farklı algoritmanın performansını karşılaştırmayı amaçladı: k-en yakın komşular (KNN), evrişimli sinir ağı (CNN), uzun kısa süreli belleğe sahip evrişimli sinir ağı (CNN-LSTM) ve evrişimli sinir ağı Python programlama dilini kullanarak kapılı tekrarlayan birim (CNN-GRU). Çalışmada kullanılan veri seti, her uygulamanın kullandığı izinleri temsil eden ikili vektörlerden oluşuyordu ve kötü amaçlı veya kötü amaçlı olmayan (iyi huylu) olarak etiketlendi. Algoritmaların performansı ACC, PREC ve hatırlama gibi standart metrikler kullanılarak değerlendirildi. Sonuçlar, (CNN-GRU) algoritmasının %95 ile en yüksek doğruluğa sahip olduğunu, ardından %91 ile (CNN) algoritmasının geldiğini göstermiştir. (KNN) algoritması %87'lik bir doğruluğa sahipken, (CNN-LSTM) algoritması %90'lık bir doğruluğa sahipti. (CNN-GRU) algoritması %94 ile en yüksek F1 puanına sahipken, dört algoritmanın tümü de benzer kesinlik ve hatırlama puanlarına sahipti. Dört algoritmanın tümü için kayıp değerleri de hesaplandı ve karşılaştırıldı. Sonuç olarak, sonuçlar, (CNN-GRU) algoritmasının doğruluk ve F1 puanı açısından en iyi performansı gösterdiğini ve ardından (CNN) algoritmasının geldiğini göstermektedir. Bu bulgular, derin öğrenmeyi kullanarak kötü amaçlı yazılım sınıflandırması alanında gelecekteki araştırmaları bilgilendirmeye yardımcı olabilir.