Phân loại mã độc Android bằng mạng sinh đối kháng và học máy

Phân loại mã độc Android bằng mạng sinh đối kháng và học máy

Nguyễn Công Danh - CH1902029

Đề tài tập trung nghiên cứu và thực nghiệm các mô hình học máy Random Forest (RF), Extra Trees (ET) và học sâu (deep learning) Deep Neural Network (DNN), Convolutional Neural Network (CNN) và sử dùng mạng sinh đối kháng Auxiliary Classifier Generative Adversarial Network (AC-GAN) để nâng cao độ hiệu quả trong phân loại mã độc trên hai tập dữ liệu phổ biến là Drebin và CICMalDroid2020. Thử nghiệm việc áp dụng mẫu đối kháng vào huấn luyện mô hình trong những trường hợp tập dữ liệu mất cân bằng.

Đề tài đã xây dựng được mô hình phân loại phù hợp, ứng dụng hiệu quả các mô hình học máy và mạng sinh đối kháng trong phân loại trên cả loại và họ mã độc với các tập dữ liệu phổ biến khác nhau. Kết quả sau cùng cho thấy độ chính xác cao (>99%) và có tính cạnh tranh s với một số nghiên cứu liên quan trước đây. Luận văn đã áp dụng đồng thời các thuật toán học máy, học sâu và mạng sinh đối kháng cho tập dữ liệu dạng bảng, sử dụng một số kỹ thuật tối ưu để tăng khả năng phân loại cho mô hình.

Trân trọng.