แบบจำลองการเรียนรู้ของเครื่องเพื่อจำแนกประเภทแอปพลิเคชันมัลแวร์บนอุปกรณ์พกพาจากรายการสิทธิ์ใช้งาน

ในปัจจุบันมีผู้ใช้โทรศัพท์มือถือหรือสมาร์ทโฟนเป็นจำนวนมากโดยผลการสำรวจจาก สำนักงานสถิติแห่งชาติพบว่า ประชาชนอายุ 6 ปีขึ้นไป หรือประมาณ 63.8 ล้านคนมีผู้ใช้โทรศัพท์มือถือสูงถึง 60.5 ล้านคน (ร้อยละ 94.8%) อาจเป็นเหยื่อของผู้ไม่หวังดีในการโจมตีหรือขโมยข้อมูลส่วนตัวของผู้ใช้งานได้ ในงานวิจัยนี้นำเสนอการตรวจจับมัลแวร์ของแอปพลิชันบนระบบปฏิบัติการแอนดรอยด์ด้วยสิทธิ์การเข้าถึงบน Google PlayStore โดยนำข้อมูลสิทธิ์การเข้าถึงของแอปพลิเคชันมาวิเคราะห์เปรียบเทียบก่อนดำเนินการติดตั้งแอปพลิเคชัน โดยสามารถระบุ แอปพลิเคชันมัลแวร์ได้ก่อนที่ผู้ใช้งานจะดำเนินการติดตั้งแอปพลิเคชันได้ ชุดข้อมูลหนึ่งพันแอปพลิเคชันที่มีสิทธิ์การเข้าถึง 54 รายการได้รับการประมวลผลล่วงหน้าและนำไปใช้กับอัลกอริทึมการเรียนรู้ของเครื่อง 5 อัลกอริทึม ได้แก่ Naïve Bayes, k-Nearest Neighbors, Support Vectors Machine, Multi-layer Perceptron และ Random Forest ชุดข้อมูลถูกแบ่งออกเป็นชุดทดสอบ (10%) และ 10-fold cross validation (90%) เพื่อตรวจสอบว่าไม่เกิดปัญหาการเข้ากันมากเกินไป (Overfitting Problem) เมื่อพบข้อมูลใหม่ที่ไม่เคยเห็นมาก่อน ผลลัพธ์แสดงให้เห็นว่า Support Vectors Machine และ Random Forest มีค่าความแม่นยำสูงที่สุด (ความแม่นยำ 91%) โดยไม่มีปัญหาการเข้ากันมากเกินไป