Análise do impacto de viés nos conjuntos de dados para detecção de Malwares Android

Abstract

Atualmente, a detecção de malwares Android é realizada, majoritariamente, através de modelos de aprendizado de máquina. O problema é que a maioria dos modelos desenvolvidos têm sido  treinados com conjuntos de dados defasados (e.g., de 2012). Nosso objetivo é coletar e apresentar evidências para demonstrar o impacto de diferentes datasets no desempenho de modelos preditivos. Para isto, utilizamos conjuntos de dados de diferentes períodos temporais, isto é, de 2008 a 2021.