ML aplicada a detección de malware para android: regresion logística, perceptrón binario y arbol de decisión binario
El proyecto fue aplicar 3 códigos de aprendizaje maquina (regresión logística, perceptrón binario y arbol de decisión binario) a un dataset con información del transito de red de dispositivos android, y el objetivo era poder entrenar y distingir entre comunicaciónes salientes de android con malware y limpias.
Se necesitan 3 archivos.
- Android_Malware.csv (dataset original)
- Malware file and data fixed.ipynb (limpieza y preparación de dataset para su analisis y manipulación)
- Malware_algorithms.ipynb (algoritmos implementados y su comparativa de eficacia entre ellos)
Se debe primero utilizar y correr Malware file and data fixed para poder tener un dataset limpio y válido para correr después los algoritmos que se encuentran en Malware_Algorithms.
El dataset fue obtenido de kaggle.com https://www.kaggle.com/datasets/subhajournal/android-malware-detection