Android Malware Classification by Applying Online Machine Learning

Abstract

Abstract.A malware is deployed to execute malicious activities in the compromised operating systems. The widespread use of android smartphones with high speed Internet and permissions granted to applications for accessing internal logs provides a favorable environment for the execution of unauthorized and malicious activities. The major risk and challenge lies along classification of a large volume and variety of malware. A malware may evolve and continue to hide its malicious activies against security systems. Knowing malware features a priori and classification of a malware plays a crucial role at defending the safety and liability critical user's information. In this paper, we study android malware activities, features and apply online machine learning algorithm to classify a new android malware. We extract a fairly adequate set of malware features and we evaluate a machine learning based classification method. The runtime model is built and it can be implemented to detect variants of an android malware. The metrics illustrate the effectiveness of the proposed classification method.

A Review of Android Malware Detection Approaches Based on Machine Learning

“…[246], [247], [252], [253] Neural Network and Deep Learning (NN&DL) FIGURE 2. Venn diagram of machine learning methods listed in Table 9.…”

Android Malware Analysis Using Machine Learning Classifiers

“…The authors in [10] use run time behavior for the analysis using machine learning algorithms. Tenfold cross-validation technique is used for the training and testing set.…”

Android Platformunda Kötücül Yazılım Tespiti: Literatür İncelemesi

“…Cihaz üzerinde gerçek zamanlı yapay öğrenme teknikleri kullanan bir diğer çalışmada [45] ise, araştırmacılar Android kötü amaçlı yazılımlarından davranışsal öznitelikleri çıkarmak için Cuckoo Sandbox [46] dosya analiz platformundan elde ettikleri raporlardan yararlanmıştır. Kötücül yazılım örneklerini VirusShare [41] adlı kötü amaçlı yazılım paylaşım platformundan elde etmişler ve geliştirdikleri cihaz üzerinde yapay öğrenme algoritmasını 18 farklı kötü amaçlı yazılım ailesine ait toplamda 2000 örnek üzerinde test etmişlerdir.…”

“…Kötücül yazılım örneklerini VirusShare [41] adlı kötü amaçlı yazılım paylaşım platformundan elde etmişler ve geliştirdikleri cihaz üzerinde yapay öğrenme algoritmasını 18 farklı kötü amaçlı yazılım ailesine ait toplamda 2000 örnek üzerinde test etmişlerdir. 10 katlamalı çapraz doğrulama (10-fold-cross-validation) yöntemi kullanılarak elde edilen doğruluk oranı 0.89 olmuştur [45].…”