تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله رده بندی بدافزار اندروید با استفاده از الگوریتم کلاستربندی K-Means – نشریه IOP

عنوان فارسی: رده بندی بدافزار اندروید با استفاده از الگوریتم کلاستربندی K-Means
عنوان انگلیسی: Android Malware Classification Using K-Means Clustering Algorithm
تعداد صفحات مقاله انگلیسی : 9 تعداد صفحات ترجمه فارسی : 15 (1 صفحه رفرنس انگلیسی)
سال انتشار : 2017 نشریه : IOP
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
نوع مقاله : ISI کد محصول : F1541
رفرنس : دارد ✓ وضعیت ترجمه : ترجمه شده آماده دانلود
محتوای فایل : zip حجم فایل : 1.35Mb
رشته های مرتبط با این مقاله: مهندسی کامپیوتر
گرایش های مرتبط با این مقاله: مهندسی نرم افزار، امنیت اطلاعات، مهندسی الگوریتم ها و محاسبات
مجله: سری کنفرانس IOP: علوم و مهندسی مواد - IOP Conference Series: Materials Science and Engineering
دانشگاه: دانشکده علوم کامپیوتر و فناوری اطلاعات، دانشگاه Tun Hussein Onnمالزی
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر : ترجمه نشده است ☓
وضعیت ترجمه متون داخل جداول: ترجمه شده است ✓
وضعیت ترجمه منابع داخل متن: درج نشده است ☓
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است
بیس: نیست ☓
مدل مفهومی: ندارد ☓
متغیر: ندارد ☓
پرسشنامه: ندارد ☓
doi یا شناسه دیجیتال: https://doi.org/10.1088/1757-899X/226/1/012105
ترجمه این مقاله با کیفیت متوسط انجام شده است. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب

چکیده

1- مقدمه

2- کار مرتبط

1-2- رویکرد رده بندی بدافزار اندروید

2-2- رده بندی داده ها

3 -مدل رده بندی

1-3- مدل رده بندی بدافزار اندروید

2-3- استخراج ویژگی

3-3- الگوریتم کلاستربندی K-Means

4-3- کلاستربندی مبتنی بر قاعده

4 -تحلیل عملکرد

1-4- تنظیمات آزمایشی

2-4- الگوریتم کلاستربندی مبتنی بر قاعده

3-4- سنجش عملکرد

4-4- نتایج و بحث

5 -نتیجه گیری

نمونه متن انگلیسی

Abstract

Malware was designed to gain access or damage a computer system without user notice. Besides, attacker exploits malware to commit crime or fraud. This paper proposed Android malware classification approach based on K-Means clustering algorithm. We evaluate the proposed model in terms of accuracy using machine learning algorithms. Two datasets were selected to demonstrate the practicing of K-Means clustering algorithms that are Virus Total and Malgenome dataset. We classify the Android malware into three clusters which are ransomware, scareware and goodware. Nine features were considered for each types of dataset such as Lock Detected, Text Detected, Text Score, Encryption Detected, Threat, Porn, Law, Copyright and Moneypak. We used IBM SPSS Statistic software for data classification and WEKA tools to evaluate the built cluster. The proposed K-Means clustering algorithm shows promising result with high accuracy when tested using Random Forest algorithm.

نمونه متن ترجمه

چکیده

بدافزار برای کسب دسترسی یا آسیب رساندن به یک سیستم کامپیوتر بدون هشدار به کاربر طراحی شده بود. به علاوه، مهاجم از بدافزار برای ارتکاب جرم یا شیادی بهره می برد. این مقاله رویکرد رده بندی بدافزار اندروید را بر مبنای الگوریتم کلاستربندی K-Means ارائه کرده است. ما مدل پیشنهادی را بر حسب دقت با استفاده از الگوریتم هاییادگیری ماشین ارزیابی می کنیم. دو مجموعه داده ای برای نمایش تمرین الگوریتم های کلاستربندی K-Meand انتخاب شدند که پایگاه داده Virus Total و Malgenome بودند. ما بدافزار اندروید را در به سه رده تقسیم کردیم که ransomware، scareware و goodware هستند. نه ویژگی برای هر نوع مجموعه داده ای در نظر گرفته شدند شامل Lock Detected (قفل شناسایی شده)، Text Detected (متن شناسایی شده)، Encryption Detected (رمزگذاری شناسایی شده)، Treat (تهدید)، Porn (شهوانی)، Law (قانون)، Copyright (حق نشر) و Moneypak. ما از نرم افزار IBM SPSS Statistic برای رده بندی داده ها و از ابزارهای WEKA برای ارزیابی کلاستر ساخته شده استفاده کردیم. الگوریتم کلاستربندی K-Means پیشنهادی نشانگر نتیجه امیدوار کننده ای با دقت با در هنگام آزمایش با استفاده از الگوریتم Random Forest بود.