earticle

한국어

안드로이드 플랫폼은 높은 시장 점유율과 동시에 악성 앱의 수와 종류도 많아 기계학습 기반 악성 앱 탐지 및 분류 방법이 꾸준히 연구되어왔다. 기계학습 중에서도 신경망 기법은 입력 특징의 구성에 따라 성능이 좌우될 수 있기에 이 를 결정하는 것은 중요한 문제이다. 이에, 본 논문에서는 안드로이드 퍼미션(permission) 정보와 오토인코더-확장 외적을 이용한 잔차 신경망 기반 으로 안드로이드 악성 앱 패밀리 분류 방법을 제안한다. 실험 결과, 기존 연구 대비 대부분 지표에서 성능 향상을 보였으며 신경망 기반의 기계학습에서 입 력 데이터 구성의 다양화 및 고도화가 효과적임을 볼 수 있었다.