सूचना प्रौद्योगिकी और सॉफ्टवेयर इंजीनियरिंग जर्नल
खुला एक्सेस

अमूर्त

iOS मैलवेयर की पहचान के लिए मशीन लर्निंग

लिसा एंजेलिना

स्मार्टफोन हमारे दैनिक जीवन का एक अनिवार्य घटक बन गया है। स्मार्टफोन पर संचार उपकरण, सूचना का स्रोत और सामाजिक, राजनीतिक और आर्थिक स्तर पर आनंद के स्रोत के रूप में लगभग पूरी तरह से भरोसा किया जाता है। सूचना और साइबर सुरक्षा में तेजी से प्रगति ने स्मार्टफोन डेटा की गोपनीयता और सुरक्षा पर विशेष ध्यान देना अनिवार्य कर दिया है। स्पाइवेयर डिटेक्शन सिस्टम हाल ही में स्मार्टफोन उपयोगकर्ताओं की गोपनीयता सुरक्षा के लिए एक संभावित और आकर्षक विकल्प के रूप में बनाए गए हैं। क्योंकि एंड्रॉइड ऑपरेटिंग सिस्टम दुनिया में सबसे अधिक इस्तेमाल किया जाता है, यह स्मार्टफोन उपयोगकर्ताओं की गोपनीयता पर हमला करने में रुचि रखने वाले विभिन्न समूहों के लिए एक प्रमुख लक्ष्य है। यह शोध एक एकीकृत गतिविधि सूची के आधार पर एक नए डेटा संग्रह दृष्टिकोण का उपयोग करके यथार्थवादी सेटिंग में एकत्र किए गए एक अद्वितीय डेटासेट को प्रस्तुत करता है।

डेटा को तीन श्रेणियों में विभाजित किया गया है; नियमित स्मार्टफोन ट्रैफ़िक, स्पाइवेयर इंस्टॉलेशन प्रक्रिया के लिए ट्रैफ़िक डेटा और स्पाइवेयर ऑपरेटिंग ट्रैफ़िक डेटा। इस डेटासेट और सुझाए गए मॉडल को सत्यापित करने के लिए रैंडम फ़ॉरेस्ट वर्गीकरण दृष्टिकोण का उपयोग किया गया था। डेटा वर्गीकरण के लिए, दो दृष्टिकोणों का उपयोग किया गया: बाइनरी-क्लास वर्गीकरण और मल्टी-क्लास वर्गीकरण। सटीकता के संदर्भ में, अच्छे परिणाम प्राप्त हुए। बाइनरी-क्लास वर्गीकरण के लिए कुल औसत सटीकता 79% और मल्टी-क्लास वर्गीकरण के लिए 77% थी।