Jaccard-ABC e Cor-ABC para seleção de características em datasets de malware Android

Canto, Gabriel Sousa; http://lattes.cnpq.br/1705454713233524

Dissertação

Jaccard-ABC e Cor-ABC para seleção de características em datasets de malware Android

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 métod...

ver descrição completa

Autor principal:	Canto, Gabriel Sousa
Outros Autores:	http://lattes.cnpq.br/1705454713233524
Grau:	Dissertação
Idioma:	por
Publicado em:	Universidade Federal do Amazonas 2024
Assuntos:	Android (Recurso eletrônico) Malware (Software) Inteligência coletiva CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO Android Detecção de malwares Seleção de características ABC Correlação Similaridade Meta-heurísticas Inteligência de enxames
Acesso em linha:	https://tede.ufam.edu.br/handle/tede/10553

id	oai:https:--tede.ufam.edu.br-handle-:tede-10553
recordtype	dspace
spelling	oai:https:--tede.ufam.edu.br-handle-:tede-105532024-12-21T05:05:58Z Jaccard-ABC e Cor-ABC para seleção de características em datasets de malware Android Canto, Gabriel Sousa Feitosa, Eduardo Luzeiro http://lattes.cnpq.br/1705454713233524 http://lattes.cnpq.br/5939944067207881 Santos, Eulanda Miranda dos Kreutz, Diego Luis Android (Recurso eletrônico) Malware (Software) Inteligência coletiva CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO Android Detecção de malwares Seleção de características ABC Correlação Similaridade Meta-heurísticas Inteligência de enxames 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. This dissertation aims to improve feature selection in datasets focused on Android malware detection by proposing two new neighborhood exploration methods based on similarity measures for the Artificial Bee Colony (ABC) algorithm. The proposed meth- ods, Jaccard-ABC and Cor-ABC, demonstrated effectiveness in reducing the number of features across various scenarios, often surpassing 30% reduction, with Jaccard-ABC outperforming the traditional ABC in all scenarios. Furthermore, the methods main- tained competitive performance in terms of accuracy, precision, recall, and F1, with variations generally less than 1% compared to the traditional ABC. The Cor-ABC method, in particular, exhibited greater stability by reducing internal randomness in the selection process. In conclusion, the proposed methods provide valuable contributions to efficient feature selection, especially in the context of malware detection on Android devices. CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior 2024-12-20T14:48:33Z 2024-11-08 Dissertação CANTO, Gabriel Sousa. Jaccard-ABC e Cor-ABC para seleção de características em datasets de malware Android. 2024. 63 f. Dissertação (Mestrado em Informática) - Universidade Federal do Amazonas, Manaus, 2024. https://tede.ufam.edu.br/handle/tede/10553 por Acesso Aberto https://creativecommons.org/licenses/by-nc-nd/4.0/ application/pdf Universidade Federal do Amazonas Instituto de Computação Brasil UFAM Programa de Pós-graduação em Informática
institution	TEDE - Universidade Federal do Amazonas
collection	TEDE-UFAM
language	por
topic	Android (Recurso eletrônico) Malware (Software) Inteligência coletiva CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO Android Detecção de malwares Seleção de características ABC Correlação Similaridade Meta-heurísticas Inteligência de enxames
spellingShingle	Android (Recurso eletrônico) Malware (Software) Inteligência coletiva CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO Android Detecção de malwares Seleção de características ABC Correlação Similaridade Meta-heurísticas Inteligência de enxames Canto, Gabriel Sousa Jaccard-ABC e Cor-ABC para seleção de características em datasets de malware Android
topic_facet	Android (Recurso eletrônico) Malware (Software) Inteligência coletiva CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO Android Detecção de malwares Seleção de características ABC Correlação Similaridade Meta-heurísticas Inteligência de enxames
description	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.
author_additional	Feitosa, Eduardo Luzeiro
author_additionalStr	Feitosa, Eduardo Luzeiro
format	Dissertação
author	Canto, Gabriel Sousa
author2	http://lattes.cnpq.br/1705454713233524
author2Str	http://lattes.cnpq.br/1705454713233524
title	Jaccard-ABC e Cor-ABC para seleção de características em datasets de malware Android
title_short	Jaccard-ABC e Cor-ABC para seleção de características em datasets de malware Android
title_full	Jaccard-ABC e Cor-ABC para seleção de características em datasets de malware Android
title_fullStr	Jaccard-ABC e Cor-ABC para seleção de características em datasets de malware Android
title_full_unstemmed	Jaccard-ABC e Cor-ABC para seleção de características em datasets de malware Android
title_sort	jaccard-abc e cor-abc para seleção de características em datasets de malware android
publisher	Universidade Federal do Amazonas
publishDate	2024
url	https://tede.ufam.edu.br/handle/tede/10553
_version_	1831970388728348672
score	11.755432

Jaccard-ABC e Cor-ABC para seleção de características em datasets de malware Android

Registros relacionados