Dynamic Malware Analysis Using Machine Learning-Based Detection Algorithms

• Autores: Villarroel Enriquez, Erly Galia, Gutiérrez-Cárdenas, Juan
• Formato: artículo
• Fecha de Publicación: 2024
• Institución: Universidad de Lima
• Repositorio: Revistas - Universidad de Lima
• Lenguaje: inglés; español
• OAI Identifier: oai:revistas.ulima.edu.pe:article/7097
• Enlace del recurso: https://revistas.ulima.edu.pe/index.php/Interfases/article/view/7097
• Nivel de acceso: acceso abierto
• Materia: malware; machine learning; detección; detection

Con la creciente popularidad del uso de teléfonos celulares, el riesgo de infecciones por malware en dichos dispositivos ha aumentado, lo que genera pérdidas financieras tanto para individuos como para organizaciones. Las investigaciones actuales se centran en la aplicación del aprendizaje automático para la detección y clasificación de estos programas malignos. Debido a esto el presente trabajo utiliza la frecuencia de llamadas al sistema para detectar y clasificar malware utilizando los algoritmos XGBoost, LightGBM y random forest. Los resultados más altos se obtuvieron con el algoritmo de LightGBM, logrando un 94.1% de precisión y 93.9% tanto para exactitud, recall y f1-score, lo que demuestra la efectividad tanto del uso del aprendizaje automático como del uso de comportamientos dinámicos del malware para la mitigación de amenazas de seguridad en dispositivos móviles.