计算取证中降维有效性的综述：在恶意软件分析中的应用
密码学与安全
2023-01-18 v1 机器学习
摘要
Android 操作系统被广泛采用作为智能设备的首选操作系统平台。然而，这种广泛采用也导致了基于 Android 的恶意软件或恶意软件数量的指数级增长。作为网络调查和数字取证的一部分，为了应对此类网络威胁，机器学习算法形式的计算技术被应用于此类恶意软件的识别、检测和取证分析。然而，此类计算取证建模技术受到恶意软件环境的体量、速度、多样性和真实性的制约。这反过来会影响其识别和检测的有效性。这种后果本质上会引发此类解决方案方法的可持续性问题。优化有效性的一种方法是应用诸如主成分分析等降维技术，旨在增强算法性能。在本文中，我们评估了将主成分分析应用于检测基于 Android 的恶意软件这一计算取证任务的有效性。我们将研究假设应用于三个不同的数据集和不同的机器学习算法。我们的研究结果表明，降维后的数据集会导致准确率性能出现一定程度的下降。
引用
@article{arxiv.2301.06031,
title = {A Review on the effectiveness of Dimensional Reduction with Computational Forensics: An Application on Malware Analysis},
author = {Aye Thaw Da Naing and Justin Soh Beng Guan and Yarzar Shwe Win and Jonathan Pan},
journal= {arXiv preprint arXiv:2301.06031},
year = {2023}
}
备注
18 pages