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

• Ano de defesa: 2024
• Autor(a) principal: Canto, Gabriel Sousa
• Outros Autores: http://lattes.cnpq.br/1705454713233524
• 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); 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
• Link de acesso: https://tede.ufam.edu.br/handle/tede/10553

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.