Análise preditiva e interpretação da classificação de malwares em sistemas android usando aprendizado de máquina

Carregando...
Imagem de Miniatura

Data

15-10-2024

Título(s) alternativo(s)

Tipo de acesso

Acesso Abertoaccess-logo

Citar como

AMARAL, Geovani da Silva do. Análise preditiva e interpretação da classificação de malwares em sistemas android usando aprendizado de máquina. Orientador: Caio Carvalho Moreira. 2024. [7] f. Trabalho de Curso (Bacharelado em Engenharia da Computação) – Faculdade de Engenharia da Computação, Campus Universitário de Tucuruí, Universidade Federal do Pará, Tucuruí, 2024. Disponível em:. Acesso em:
Este trabalho apresenta uma análise preditiva para a detecção de malwares em dispositivos Android usando Aprendizado de Máquina e métodos de explicabilidade para interpretar os resultados. Apos os pre-processamento, o conjunto de dados foi reduzido para 34.076 amostras e 179 características de chamadas de sistema e permissões. Entre 13 classificadores avaliados, o eXtreme Gradient Boosting (XGBoost) mostrou-se o mais eficiente, com métricas de acurácia, precisão, recall e F1-Score de aproximadamente 94%, e Tempo de Treinamento de 1,48s. O método SHapley Additive exPlanations (SHAP) foi utilizado para explicar as decisões do modelo, o que revelou chamadas de sistema e permissões sensíveis, como READ PHONE STATE, SYSTEM ALERT WINDOW, SEND SMS, ACCESS WIFI STATE, getpriority e getrlimit, fortemente associados a malwares.

Fonte

Fonte URI

Disponível na internet via Sagitta