Leveraging ontologies and machine-learning techniques for malware analysis into Android permissions ecosystems

گوشی های هوشمند یک اکوسیستم کاربردی پیچیده را با مجموعه ای از اجزای سازنده، خواص و رابط هایی که یک شبکه ارتباط پیچیده ایجاد می کنند، تشکیل می دهند. با توجه به پیچیدگی ذاتی این سیستم، ما به این دو پیشنهاد اصلی پیشنهاد می کنیم. اولا، ما یک روش برای تعیین و تجزیه و تحلیل سیستم شبکه پیچیده بین اجزای سازنده، خواص و رابط های مربوط به مکانیزم مجوز در اکوسیستم های آندروید را طراحی می کنیم. دوم، ما بررسی می کنیم که آیا می توان ویژگی های به اشتراک گذاشته شده با نمونه های مخرب را در این سطح انتزاع به اشتراک گذاشت که بتوان آنها را به نمایش گذاشت. ما یک چارچوب مبتنی بر هستی شناسی را پیشنهاد می دهیم تا مدل روابط بین نرم افزار و عناصر سیستم را همراه با یک روش یادگیری ماشین برای تجزیه و تحلیل شبکه پیچیده ای که از آن بوجود می آیند. ما نماد مدل هستی شناسی برای اکوسیستم اندرویید در نظر گرفته شده با 4570 برنامه از طریق گراف با حدود 55000 گره و 120،000 لبه است. آزمایشات نشان داده اند که یک طبقه بندی کننده در بالای این نمایش پیچیده می تواند دقت 88٪ و دقت 91٪ را به دست آورد و قادر به شناسایی و تعیین 24 ویژگی است که مربوط به 70 گره مهم گراف مربوط به فعالیت بدافزار است که قابل توجه است شاهکار برای امنیت