Esta dissertação tem como objetivo aprimorar a seleção de características em con-
juntos de dados voltados para a detecção de malware Android, propondo dois novos
métodos de exploração de vizinhança baseados em medidas de similaridade para o
algoritmo Colônia Artificial de Abelhas (ABC). Os métodos propostos, Jaccard-ABC e
Cor-ABC, demonstraram eficácia na redução do número de características em diversos
cenários, frequentemente superando 30% de redução, com Jaccard-ABC excedendo os
resultados obtidos pelo ABC tradicional em todos os cenários. Além disso, os métodos
mantiveram um desempenho competitivo em termos de acurácia, precisão, revocação
e F1, com variações geralmente inferiores a 1% em relação ao ABC tradicional. O mé-
todo Cor-ABC, em particular, apresentou maior estabilidade, reduzindo a aleatoriedade
interna do processo de seleção. Conclui-se que os métodos propostos oferecem contri-
buições valiosas para a seleção eficiente de características, especialmente no contexto
de detecção de malware em dispositivos Android.
|
