Los teléfonos inteligentes con sistema operativo Android se han convertido en un componente vital de la rutina diaria de millones de personas, ejecutando una gran cantidad de aplicaciones disponibles en los mercados oficiales y alternativos. Aunque existen muchos mecanismos de seguridad para escanear y filtrar aplicaciones maliciosas, el malware aún logra llegar a los dispositivos de muchos usuarios finales. En este artículo, presentamos el marco SafeDroid v2.0, que es una solución de código abierto flexible, sólida y versátil para analizar estáticamente aplicaciones Android, basada en técnicas de aprendizaje automático. El objetivo principal de nuestro trabajo, además de la producción automatizada de modelos de predicción y clasificación totalmente suficientes en términos de puntajes de precisión máximos y errores negativos mínimos, es ofrecer un marco listo para usar que puede ser utilizado por los investigadores de seguridad de Android para experimentar eficientemente y encontrar soluciones efectivas: el marco SafeDroid v2.0 permite probar muchas combinaciones diferentes de clasificadores de aprendizaje autom
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Desarrollo de un sistema de observación de la fase lunar basado en tecnologías de realidad aumentada y aprendizaje móvil
Artículo:
Sobre la capacidad del sistema de relé AF/DF full-duplex con recolección de energía para comunicaciones de vehículo a vehículo.
Artículo:
Reconocimiento de Violaciones de Taxis Basado en Segmentación Semántica de PSPNet y YOLOv3 Mejorado
Artículo:
Un algoritmo de segmentación de imagen mejorado CT Superpixel Grid utilizando contorno activo.
Artículo:
Seguimiento visual de objetos en datos RGB-D a través del aprendizaje genético de características.