چکیده مقاله
بدافزار برای کسب دسترسی یا آسیب رساندن به یک سیستم کامپیوتر بدون هشدار به کاربر طراحی شده بود به علاوه، مهاجم از بدافزار برای ارتکاب جرم یا شیادی بهره می برد این مقاله رویکرد رده بندی بدافزار اندروید را بر مبنای الگوریتم کلاستربندی K Means ارائه کرده است ما مدل پیشنهادی را بر حسب دقت با استفاده از الگوریتم هاییادگیری ماشین ارزیابی می کنیم دو مجموعه داده ای برای نمایش تمرین الگوریتم های کلاستربندی K Meand انتخاب شدند که پایگاه داده Virus Total و Malgenome بودند ما بدافزار اندروید را در به سه رده تقسیم کردیم که ransomware، scareware و goodware هستند نه ویژگی برای هر نوع مجموعه داده ای در نظر گرفته شدند شامل Lock Detected قفل شناسایی شده ، Text Detected متن شناسایی شده ، Encryption Detected رمزگذاری شناسایی شده ، Treat تهدید ، Porn شهوانی ، Law قانون ، Copyright حق نشر و Moneypak ما از نرم افزار IBM SPSS Statistic برای رده بندی داده ها و از ابزارهای WEKA برای ارزیابی کلاستر ساخته شده استفاده کردیم الگوریتم کلاستربندی K Means پیشنهادی نشانگر نتیجه امیدوار کننده ای با دقت با در هنگام آزمایش با استفاده از الگوریتم Random Forest بود
کلیدواژهها
نویسندگان
اصغر قادری
استاد دانشگاه آزاد واحد ایرانشهر
اسماعیل جهانگشته
استاد دانشگاه آزاد واحد ایرانشهر
محسن نوروزی
دانشجوی مهندسی نرم افزار کامپیوتر، دانشگاه آزاد واحد ایرانشهر
شیوه ارجاع
قادری، اصغر و جهانگشته، اسماعیل و نوروزی، محسن،1401،رده بندی بدافزار اندروید با استفاده از الگوریتم کلاستربندی K-Means،شانزدهمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات،بابل
ارائهشده در
مجموعه مقالات شانزدهمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات30 تیر 1401 · بابل