Avaliação de métodos de classificação baseados em regras de associação para detecção de malwares android

Rocha, Vanderson da Silva

Avaliação de métodos de classificação baseados em regras de associação para detecção de malwares android

dc.contributor.advisor-co1	Kreutz, Diego Luis
dc.contributor.advisor-co1Lattes	http://lattes.cnpq.br/2781747995973774	eng
dc.contributor.advisor-co1orcid	https://orcid.org/0000-0001-5607-0911	eng
dc.contributor.advisor1	Feitosa, Eduardo Luzeiro
dc.contributor.advisor1Lattes	http://lattes.cnpq.br/5939944067207881	eng
dc.contributor.advisor1orcid	https://orcid.org/0000-0001-6401-3992	eng
dc.contributor.referee1	Grégio, André Ricardo Abed
dc.contributor.referee2	Oliveira, Horácio Antônio Braga Fernandes de
dc.creator	Rocha, Vanderson da Silva
dc.creator.Lattes	http://lattes.cnpq.br/8598944580181017	eng
dc.creator.orcid	https://orcid.org/0000-0003-3103-7749	eng
dc.date.issued	2023-04-19
dc.description.abstract	This research aims to investigate the performance and viability of different models of association rules in the context of classifying Android malwares. For that, we developed a new classification model based on association rules and rule quality. For model comparison purposes, we used known and frequently used datasets for training Android malware detection models. The results demonstrate that our model performs equivalently to other models based on association rules, obtaining accuracy values above 85\%, and in some cases surpassing machine learning models.	eng
dc.description.resumo	Esta pesquisa tem por objetivo investigar o desempenho e a viabilidade de diferentes modelos de regras de associação no contexto de classificação de malwares Android. Para tanto, desenvolvemos um novo modelo de classificação baseado em regras de associação e qualidade de regras. Para fins de comparação dos modelos, utilizamos datasets conhecidos e frequentemente usados para o treino de modelos de detecção de \malwares Android. Os resultados demonstram que nosso modelo possui desempenho equivalente a outros modelos baseados em regras de associação, obtendo valores de acurácia acima de 85\%, e em alguns casos sobressaindo-se a modelos de aprendizagem de máquina.	eng
dc.description.sponsorship	FAEPI - Fundação de Apoio ao Ensino, Pesquisa, Extensão e Interiorização do IFAM	eng
dc.format	application/pdf	*
dc.identifier.citation	ROCHA, Vanderson da Silva. Avaliação de Métodos de Classificação Baseados em Regras de Associação para Detecção de Malwares Android. 2023. 83 f. Dissertação (Mestrado em Informática) - Universidade Federal do Amazonas, Manaus (AM), 2023.	eng
dc.identifier.uri	https://tede.ufam.edu.br/handle/tede/9430
dc.language	por	eng
dc.publisher	Universidade Federal do Amazonas	eng
dc.publisher.country	Brasil	eng
dc.publisher.department	Instituto de Computação	eng
dc.publisher.initials	UFAM	eng
dc.publisher.program	Programa de Pós-graduação em Informática	eng
dc.rights	Acesso Aberto
dc.rights.uri	http://creativecommons.org/licenses/by-sa/4.0/
dc.subject	Android (Recurso eletrônico)	por
dc.subject	Software - Proteção	por
dc.subject.cnpq	CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: SISTEMAS DE COMPUTACAO: ARQUITETURA DE SISTEMAS DE COMPUTACAO	eng
dc.subject.cnpq	CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: METODOLOGIA E TECNICAS DA COMPUTACAO: SISTEMAS DE INFORMACAO	eng
dc.subject.user	Android	por
dc.subject.user	Detecção de Malwares	por
dc.subject.user	Regras de Associação	por
dc.subject.user	Mineração de Dados	por
dc.subject.user	Apriori	por
dc.subject.user	FP-Growth	por
dc.subject.user	ECLAT	por
dc.subject.user	Qualidade de Regras	por
dc.subject.user	EQAR	por
dc.thumbnail.url	https://tede.ufam.edu.br/retrieve/66337/Dissertacao_VandersonRocha_PPGI.pdf.jpg	*
dc.title	Avaliação de métodos de classificação baseados em regras de associação para detecção de malwares android	eng
dc.title.alternative	Evaluation of classification methods based on association rules for android malware detection	eng
dc.type	Dissertação	eng