Classification of android malware from binary code using ensemble method with recursive feature elimination

การจำแนกโปรแกรมไม่พึงประสงค์ในแอนดรอยด์จากรหัสไบนารีด้วยวิธีการรวมกลุ่มพร้อมการวนซ้ำเพื่อกำจัดฟีเจอร์

Name: Nawa Tippayasem

Abstract: In response to the burgeoning Android market and the concurrent proliferation of both applications and malware, we propose a direct analysis approach to classify Android malware by examining bytecode extracted from DEX files. The prevalent use of obfuscation techniques by malicious actors underscores the need for robust methods to detect and analyze malware. Leveraging the frequency of bi-gram and tri-gram patterns within the bytecode, we employ recursive feature elimination with TF-IDF, alongside XGB, RF, and voting classifiers, to enhance detection capabilities. Our study, conducted using the CICAndMal2017 dataset, highlights the effectiveness of this approach, with XGB classifier utilizing the top 4096 tri-gram features achieving an impressive F1-score of 93.56% for Android malware detection. This research contributes to the advancement of malware detection methodologies, offering a promising avenue for mitigating the growing threat landscape in the Android ecosystem.

Abstract: เพื่อตอบสนองต่อการขยายตัวของตลาดแอนดรอยด์และความแพร่หลายของทั้งโปรแกรมประยุกต์และโปรแกรมไม่พึงประสงค์ เราจึงเสนอแนวทางการวิเคราะห์โปรแกรมแอนดรอยด์ที่ไม่พึงประสงค์โดยการพิจารณารหัสไบต์ที่ดึงจากไฟล์ DEX เนื่องจากการใช้ Obfuscation เทคนิคที่มีอยู่มากมายโดยผู้ไม่ประสงค์ดีทำให้ความจำเป็นของวิธีการในการตรวจจับและวิเคราะห์โปรแกรมไม่พึงประสงค์มีมากยิ่งขึ้น ด้วยการใช้ความถี่ของ bi-gram และ tri-gram ที่ได้จากรูปแบบของรหัสไบต์ เราใช้การวนซ้ำเพื่อตัด Feature ด้วย TF-IDF ควบคู่ไปกับ XGB, RF และ Voting เป็นตัวจำแนก เพื่อเพิ่มความสามารถในการตรวจจับ การศึกษาของเราทำโดยใช้ชุดข้อมูล CICAndMal2017 โดยการใช้ XGB เป็นตัวจำแนก และ tri-gram 4096 ตัวที่มีค่า TF-IDF สูงสุด ได้ค่า F1-Score สูงถึง 93.56% สำหรับการตรวจจับโปรแกรมแอนดรอยด์ไม่พึงประสงค์ งานวิจัยนี้ได้มีส่วนร่วมในการพัฒนาวิธิการตรวจจับโปรแกรมไม่พึงประสงค์ ในการเสนอแนวทางที่มีส่วนในการลดภัยคุกคามที่เพิ่มขึ้นในระบบนิเวศของแอนดรอยด์

Chulalongkorn University. Office of Academic Resources

Address: BANGKOK

Email: cuir@car.chula.ac.th

Name: Krerk Piromsopa

Role: Advisor

Created: 2569

Modified: 2026-09-02

Issued: 2023

Issued: 2026-09-02

วิทยานิพนธ์/Thesis

application/pdf

eng

DegreeName: Master of Science

Level: Master's Degree

Descipline: Computer Science

Grantor: Chulalongkorn University

©copyrights Chulalongkorn University

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	6472040521.pdf	1.52 MB

ใช้เวลา

0.038711 วินาที