Revista de Tecnologia da Informação e Engenharia de Software
Acesso livre

Abstrato

Machine learning para identificar malware iOS

Lisa Angelina

Os smartphones transformaram-se numa componente indispensável da nossa vida diária. Os smartphones são quase totalmente utilizados como ferramenta de comunicação, fonte de informação e fonte de prazer a nível social, político e económico. Os rápidos avanços na informação e na cibersegurança exigiram especial atenção à privacidade e segurança dos dados dos smartphones. Os sistemas de detecção de spyware foram recentemente criados como uma opção potencial e apelativa para a protecção da privacidade dos utilizadores de smartphones. Sendo o sistema operativo Android o mais utilizado no mundo, é um grande alvo de vários grupos interessados ​​em atacar a privacidade dos utilizadores de smartphones. Esta pesquisa apresenta um conjunto de dados único reunido num cenário realista utilizando uma nova abordagem de recolha de dados baseada numa lista de atividades unificada.

Os dados estão separados em três categorias; Tráfego regular de smartphones, dados de tráfego para o procedimento de instalação de spyware e dados de tráfego operacional de spyware. A abordagem de classificação florestal aleatória foi utilizada para verificar este conjunto de dados e o modelo sugerido. Para a categorização dos dados foram utilizadas duas abordagens: classificação de classes binárias e classificação multiclasses. Em termos de precisão, foram obtidos bons resultados. A precisão média total para a classificação de classes binárias foi de 79% e de 77% para a classificação multiclasse.