User: Guest  Login
Original title:
Accurate and Reliable Labeling for Effective Detection of Android Malware 
Translated title:
Genaue und zuverlässige Kennzeichnung für die effektive Erkennung von Android-Malware 
Year:
2021 
Document type:
Dissertation 
Institution:
Fakultät für Informatik 
Advisor:
Pretschner, Alexander (Prof. Dr.) 
Referee:
Pretschner, Alexander (Prof. Dr.); Cavallaro, Lorenzo (Prof.) 
Language:
en 
Subject group:
DAT Datenverarbeitung, Informatik 
Keywords:
Malware Detection, Android Malware, Machine Learning, VirusTotal 
TUM classification:
DAT 310d 
Abstract:
Accurately labeling apps as malicious and benign is fundamental for training effective and reliable ML-based malware detection methods. The infeasibility of manually labeling apps forces researchers to rely on online platforms, such as VirusTotal, to label apps. Unfortunately, such platforms are often volatile and dynamic. The main objective of this thesis is to provide the research community with methods to optimally utilize VirusTotal scan reports until a more stable, reliable platform is impl...    »
 
Translated abstract:
Da es sich letztlich nicht durchführen lässt, eine große Anzahl von bösartigen Apps manuell zu analysieren und zu kennzeichnen, um exakte Labels zu erhalten, sind Wissenschaftler dazu gezwungen, sich auf Onlineplattformen, wie VirusTotal zu verlassen. Vor diesem Hintergrund ist das Hauptanliegen dieser Arbeit anderen Wissenschaftlern Methoden zur Verfügung zu stellen, mit denen sie die Scan-Berichte von VirusTotal optimal nutzen können. 
Oral examination:
16.03.2021 
File size:
4665988 bytes 
Pages:
222 
Last change:
19.04.2021