Reevaluación de la detección de malware para Android basada en características en un contexto contemporáneo | JoVE Visualize

Área de la Ciencia:

Ciencias de la Computación
Ciberseguridad
Aprendizaje Automático

Sus antecedentes:

La detección de malware para Android depende en gran medida del aprendizaje automático.
Estudios anteriores exploraron varios conjuntos de características y modelos.
El panorama cambiante de Android requiere una reevaluación de los métodos existentes.

Objetivo del estudio:

Reimplementar y evaluar estudios fundamentales de aprendizaje automático basados en características para la detección de malware para Android.
Evaluar la efectividad de los enfoques basados en características en un entorno contemporáneo.
Comparar el rendimiento de las características de análisis estático frente a dinámico y de modelos simples frente a complejos.

Principales métodos:

Reimplementación de 18 estudios clave (2013-2023) sobre detección de malware para Android.
Se utilizó un conjunto de datos equilibrado de 124.000 aplicaciones.
Se evaluaron conjuntos de características de análisis estático y dinámico, incluidas llamadas a la API, opcodes y tráfico de red.
Se comparó el rendimiento de modelos de aprendizaje automático simples y complejos, incluidos los de conjunto.

Principales resultados:

Los métodos basados en características lograron una precisión de detección superior al 98%.
Las características de análisis estático (llamadas a la API, opcodes) fueron muy productivas.
Las características de análisis dinámico (tráfico de red) mostraron beneficios moderados.
Los modelos más simples a menudo superaron a los más complejos.
Los modelos de conjunto combinaron eficientemente características estáticas y dinámicas.

Conclusiones:

El aprendizaje automático basado en características sigue siendo una estrategia viable y eficaz para la detección de malware para Android.
Los modelos simples y rápidos son competitivos, y a veces superiores, a los enfoques complejos.
Las características de análisis estático son cruciales, y las características dinámicas ofrecen mejoras incrementales.