چکیده مقاله
سیستم عامل اندروید بیشترین استفاده را در بین سایر سیستم عاملهای تلفن همراه دارد و به همین میزان مورد هدف بدافزارها قرار می گیرد از الگوریتمهای یادگیری ماشین برای تشخیص بدافزار اندروید بسیار استفاده شده است روشهای یادگیری ماشین از داده های برنامه برای شناسایی الگوهایی استفاده میکنند تا بدافزار را تشخیص دهند در این مقاله از الگوریتم CatBoost برای تشخیص بدافزار اندروید استفاده می گردد نتایج این الگوریتم و چند الگوریتم معروف دیگر یادگیری ماشین روی مجموعه داده Kronodroid که شامل ویژگی های ایستا و پویا است با یکدیگر مقایسه می گردند از معیارهای عملکرد، دقت، نرخ مثبت کاذب، صحت، فراخوانی و معیار F برای مقایسه استفاده شده است همچنین نتایج بدست آمده با الگوریتم CatBoost با سایر کارهای مرتبط روی این مجموعه داده مقایسه میشوند الگوریتم CatBoost دقت ۹۹ ۵۳ درصد، صحت ۹۹ ۵۵ درصد و نرخ مثبت کاذب ۰ ۰۰۴۹ بدست آورد
کلیدواژهها
نویسندگان
محسن قاسمی
استادیار گروه مهندسی کامپیوتر؛ واحد لارستان؛ دانشگاه آزاد اسلامی؛ لارستان؛ ایران
شیوه ارجاع
قاسمی، محسن،1403،شناسایی بدافزار اندروید با الگوریتم CatBoost،ششمین کنفرانس ملی دستاوردهای نوین در مهندسی برق، کامپیوتر و صنایع،اسفراین
ارائهشده در
مجموعه مقالات ششمین کنفرانس ملی دستاوردهای نوین در مهندسی برق، کامپیوتر و صنایع15 آبان 1403 · اسفراین