earticle

한국어

안드로이드 악성 앱(malicious app)들이 계속 증가하고 있고, 새로운 유형들이 출현하고 있어, 머신러닝 기반을 안드로이드 악성 앱을 탐지하고 분류 기법에 대한 연구들이 주목하고 있다. 그러나 안드로이드 플랫폼과 앱 생태계의 진화로 인해 지속적인 악성 앱의 샘플 수집과 빈번한 재학습이 요구된다. 본 논문에서는 연도별 AndroZoo 데이터 셋을 활용한 실험을 통해 학습 데이터 셋과 머신러닝 모델이 지속가능성(sustainability)을 분석한다. API 콜을 특징정보로 사용하여 랜덤 포레스트(Random Forest) 분류기를 적용한 실험 결과, 분류기의 지속가능성이 보장되지 않음과 중요도가 높은 특징정보의 차이가 큼을 보였다.