Avaliação de métodos de classificação baseados em regras de associação para detecção de malwares android

• Ano de defesa: 2023
• Autor(a) principal: Rocha, Vanderson da Silva
• Outros Autores: http://lattes.cnpq.br/8598944580181017, https://orcid.org/0000-0003-3103-7749
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Amazonas; Instituto de Computação; Brasil; UFAM; Programa de Pós-graduação em Informática
• Palavras-chave em Português: Android (Recurso eletrônico); Software - Proteção; CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: SISTEMAS DE COMPUTACAO: ARQUITETURA DE SISTEMAS DE COMPUTACAO; CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: METODOLOGIA E TECNICAS DA COMPUTACAO: SISTEMAS DE INFORMACAO; Android; Detecção de Malwares; Regras de Associação; Mineração de Dados; Apriori; FP-Growth; ECLAT; Qualidade de Regras; EQAR
• Link de acesso: https://tede.ufam.edu.br/handle/tede/9430

Esta pesquisa tem por objetivo investigar o desempenho e a viabilidade de diferentes modelos de regras de associação no contexto de classificação de malwares Android. Para tanto, desenvolvemos um novo modelo de classificação baseado em regras de associação e qualidade de regras. Para fins de comparação dos modelos, utilizamos datasets conhecidos e frequentemente usados para o treino de modelos de detecção de \malwares Android. Os resultados demonstram que nosso modelo possui desempenho equivalente a outros modelos baseados em regras de associação, obtendo valores de acurácia acima de 85\%, e em alguns casos sobressaindo-se a modelos de aprendizagem de máquina.