Análisis dinámico de malware mediante algoritmos de detección basados en machine learning

• Autor: Villarroel Enriquez, Erly Galia
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad de Lima
• Repositorio: ULIMA-Institucional
• Lenguaje: inglés
• OAI Identifier: oai:repositorio.ulima.edu.pe:20.500.12724/22671
• Enlace del recurso: https://hdl.handle.net/20.500.12724/22671
• Nivel de acceso: acceso abierto
• Materia: Malware (Programas de ordenador); Seguridad informática; Aprendizaje automático; Algoritmos; https://purl.org/pe-repo/ocde/ford#2.02.04

Con el creciente uso de teléfonos móviles, el riesgo de infecciones de malware en estos dispositivos ha aumentado, lo que ha generado pérdidas económicas tanto para individuos como para organizaciones. Las investigaciones actuales se centran en la aplicación de aprendizaje automático para la detección y clasificación de estos programas maliciosos. En este contexto, el presente trabajo utiliza la frecuencia de comportamientos observados dinámicamente para detectar y clasificar malware empleando los algoritmos XGBoost, LightGBM y random forest. Los mejores resultados se obtuvieron con el algoritmo LightGBM, alcanzando un 94,1 % de precisión y un 93,9 % en exactitud, recall y F1-score, lo que demuestra la efectividad tanto del aprendizaje automático como del análisis dinámico de malware para mitigar amenazas de seguridad en dispositivos móviles.