안드로이드 악성코드 계열 분류에서 코드 난독화로 인한 라벨 노이즈와 클래스 불균형이 동시에 성능을 저해하는 문제를 함께 해결하는 프레임워크 RoMaC가 제안됐다. RoMaC는 자가학습으로 잘못된 라벨을 교정하면서, 다수 계열과 소수 계열 샘플을 차별적으로 처리해 클래스 불균형이 노이즈에 강건한 학습을 방해하는 부작용을 완화한다. 또한 클래스 재가중 메커니즘과 다중 모델 앙상블 학습을 결합해 분류 정확도와 노이즈 강건성을 동시에 높인다. 두 개의 공개 데이터셋을 결합한 평가에서, 샘플의 30%가 난독화된 조건에서도 RoMaC는 매크로 F1 0.803·정확도 0.871을 기록했고 소수 계열에서도 매크로 F1 0.672·정확도 0.784를 달성해, 기존 방법 대비 다양한 난독화·노이즈 조건에서 6~20%의 성능 향상을 보였다.

• •라벨 노이즈와 클래스 불균형을 동시에 다루는 안드로이드 악성코드 분류 프레임워크 RoMaC
• •자가학습 기반 라벨 교정과 다수/소수 계열 차등 처리를 결합
• •클래스 재가중과 다중 모델 앙상블로 정확도·노이즈 강건성 동시 확보
• •30% 난독화 조건에서 매크로 F1 0.803, 정확도 0.871 달성
• •소수 계열에서도 매크로 F1 0.672 기록, 기존 방법 대비 6~20% 개선