چکیده Malware
برای کسب دسترسی یا آسیب رساندن به یک سیستم کامپیوتر بدون هشدار به کاربر
طراحی شده بود. به علاوه، مهاجم از malware برای ارتکاب جرم یا شیادی بهره
می برد. این مقاله رویکرد رده بندی malware اندروید را بر مبنای الگوریتم
کلاستربندی K-Means ارائه کرده است. ما مدل پیشنهادی را بر حسب دقت با
استفاده از الگوریتم هاییادگیری ماشین ارزیابی می کنیم. دو مجموعه داده ای
برای نمایش تمرین الگوریتم های کلاستربندی K-Meand انتخاب شدند که پایگاه
داده Virus Total و Malgenome بودند. ما malware اندروید را در به سه رده
تقسیم کردیم که ransomware، scareware و goodware هستند. نه ویژگی برای هر
نوع مجموعه داده ای در نظر گرفته شدند شامل Lock Detected (قفل شناسایی
شده)، Text Detected (متن شناسایی شده)، Encryption Detected (رمزگذاری
شناسایی شده)، Treat (تهدید)، Porn (شهوانی)، Law (قانون)، Copyright (حق
نشر) و Moneypak. ما از نرم افزار IBM SPSS Statistic برای رده بندی داده
ها و از ابزارهای WEKA برای ارزیابی کلاستر ساخته شده استفاده کردیم.
الگوریتم کلاستربندی K-Means پیشنهادی نشانگر نتیجه امیدوار کننده ای با
دقت با در هنگام آزمایش با استفاده از الگوریتم Random Forest بود ———————————– عنوان اصلی مقاله : Android Malware Classification Using K-Means Clustering Algorithm ترجمه فارسی عنوان : رده بندی Malware اندروید با استفاده از الگوریتم کلاستربندی K-Means تعداد صفحات انگلیسی: ۹ صفحه تعداد صفحات ترجمه : ۸صفحه