A text-mining approach to explain unwanted behaviours
A text-mining approach to explain unwanted behaviours
复制标题
解释不良行为的文本挖掘方法
DOI：
10.1145/2905760.2905763
复制
发表时间：
2016
期刊：
影响因子：
--
通讯作者：
Chen W
中科院分区：
文献类型：
--
作者：
Chen W
目前基于机器学习的恶意软件检测很少提供为什么一个应用程序被认为是坏的信息。我们研究了移动恶意软件中不想要的行为的自动解释，例如发送高级短信。我们的方法结合了机器学习和文本挖掘技术来产生自然语言的解释。它从恶意软件分类器中使用的特征中选择关键字，并使用这些关键字呈现从人工编写的恶意软件分析报告中选择的句子。该解释详细阐述了系统决策是如何做出的。据我们所知，这是通过挖掘人类恶意软件分析师编写的报告来生成自然语言解释的首次尝试，从而产生了一种可扩展的、完全由数据驱动的方法。
Current machine-learning-based malware detection seldom provides information about why an app is considered bad. We study the automatic explanation of unwanted behaviours in mobile malware, e.g., sending premium SMS messages. Our approach combines machine learning and text mining techniques to produce explanations in natural language. It selects keywords from features used in malware classifiers, and presents the sentences chosen from human-authored malware analysis reports by using these keywords. The explanation elaborates how a system decision was made. As far as we know, this is the first attempt to generate explanations in natural language by mining the reports written by human malware analysts, resulting in a scalable and entirely data-driven method.
监控真实的 Android 恶意软件
DOI：
10.1007/978-3-319-23820-3_9
发表时间：
2015
期刊：
2013 IEEE 27th International Conference on Advanced Information Networking and Applications (AINA)
影响因子：
--
作者：
Jan;A. Bauer
通讯作者：
A. Bauer
第 24 章 – ANSI Common Lisp
DOI：
10.1016/b978-0-08-057115-7.50024-8
发表时间：
1992
期刊：
Proceedings of the 22nd ACM SIGSOFT International Symposium on Foundations of Software Engineering
影响因子：
--
作者：
Peter Norvig
通讯作者：
Peter Norvig