TY - JOUR ID - TI - Mobile Malware Detection using Anomaly Based Machine Learning Classifier Techniques كشف البرامج الضارة للهاتف الجوال باستخدام الشذوذ القائم على تقنيات مصنف على التعليم الآلي AU - Naji Matter Sahib ناجي مطر سحيب AU - Saja Ibraheem Hani سجى ابراهيم هاني PY - 2021 VL - 17 IS - 02 SP - 13 EP - 25 JO - Academic Science Journal مجلة العلوم الاكاديمية SN - 83732222 25189255 AB - Smartphones have become essential in our daily lives. Many works can be done by using it like, browse the internet, and download many applications for each device through the available store. As a result, the number of malware applications downloaded also increases. These malware carries out various activities behind the scenes, such as breach of confidentiality, breach of privacy, loss of confidentiality, system breakdown, theft of sensitive information, etc. Many types of research and studies have proposed different techniques to detect malicious programs, but these measures contain weak points, which are illustrated by efficiency, speed, and lack of comprehensiveness. In this paper, a proposed system is designed and implemented to detect malware in smartphones using anomaly detection technology that begins to extract the important features that play an effective role in detecting malicious code and applying machine learning algorithms. The proposed system has been tested using a hybrid Genetic algorithm, and the Support Vector Machine data has been registered with an accuracy of (0.9282%). The experimental results indicate that the proposed system has a high average accuracy rate compared with other existing methods where there is a (0.8848%) average accuracy using Probabilistic Neural Network, while the average accuracies of (0.8835%) and (0.8715%) respectively with Support Vector Machine and K-Nearest Neighbors.

أصبحت الهواتف الذكية ضرورية في حياتنا اليومية. يمكن القيام بالعديد من الاعمال بأستخدامه مثل تصفح الإنترنت وتنزيل العديد من التطبيقات لكل جهاز من خلال المتجر المتاح. نتيجة لذلك، يزداد أيضًا عدد تطبيقات البرامج الضارة التي يتم تنزيلها. تنفذ هذه البرامج الضارة أنشطة مختلفة وراء الكواليس؛ مثل السرية وانتهاك الخصوصية وفقدان السرية وانهيار النظام وسرقة المعلومات الحساسة وما إلى ذلك. اقترحت العديد من البحوث والدراسات تقنيات مختلفة للكشف عن البرامج الخبيثة، لكنها احتوت على نقاط ضعف، والتي تتضح من خلال الكفاءة والسرعة وعدم الشمولية. في هذا البحث، تم تصميم وتنفيذ نظام مقترح للكشف عن البرامج الضارة في الهواتف الذكية واستخدام تقنية الكشف عن الشذوذ، التي تبدأ في استخراج الميزات المهمة التي تلعب دورًا فعالًا في اكتشاف التعليمات البرمجية الضارة وتطبيق خوارزميات التعليم الآلي. تم اختبار النظام المقترح بأستخدام خوارزمية جينية هجينة مع خوارزمية الة المتجهات الداعمة، وتم تسجيل اعلى دقة (%0.9282). أشارت النتائج التجريبية إلى أن النظام المقترح يتمتع بمتوسط معدل دقة مرتفع مقارنة بالطرق الأخرى الموجودة حيث بلغ متوسط الدقة (0.8848%) باستخدام الشبكة العصبية الاحتمالية، بينما كان متوسط الدقة (0.8835) و (0.8715) باستخدام دعم الة المتجهات و K -أقرب الجيران على التوالي. ER -