Trực quan hóa & phân tích phân bố mã độc Android (CICMalDroid 2020)

Bộ dữ liệu CICMalDroid 2020 gồm hơn 17.000 mẫu ứng dụng Android, chia thành 5 nhóm: SMS malware, Benign, Riskware, Banking malware và Adware. Mình dùng Python (pandas) để thống kê dữ liệu, sau đó dùng matplotlib dựng biểu đồ cột và biểu đồ tròn thể hiện số lượng và tỷ lệ từng nhóm, giúp nhìn nhanh được cơ cấu dữ liệu và mức độ mất cân bằng giữa các nhóm. Kết quả: nhóm SMS malware chiếm tỷ lệ cao nhất (~28,8%), trong khi Adware thấp nhất (~9%). Dữ liệu mất cân bằng rõ giữa các nhóm — đây là điểm cần xử lý (cân bằng mẫu) trước khi đưa vào huấn luyện mô hình phân loại. Công cụ: Python, pandas, matplotlib.