Resumen

Los teléfonos inteligentes son un componente integral del marco de computación en el borde móvil (MEC). Asegurar los datos almacenados en dispositivos móviles es muy importante para garantizar el funcionamiento fluido de los servicios en la nube. Un número creciente de aplicaciones maliciosas de Android exige una investigación profunda para analizar sus intenciones maliciosas y diseñar técnicas efectivas de detección de malware. El modelo contemporáneo de vanguardia sugiere que las características híbridas basadas en técnicas de aprendizaje automático (ML) podrían desempeñar un papel significativo en la detección de malware de Android. La selección de características de aplicaciones juega un papel muy importante para capturar los patrones de comportamiento apropiados de instancias de malware para una clasificación útil de aplicaciones móviles. En este estudio, proponemos un enfoque híbrido novedoso para detectar malware de Android, en el que se emplean características estáticas junto con características dinámicas de aplicaciones de teléfonos inteligentes. Recopilamos estas

• Materias:Seguridad informática Comunicación inalámbrica Internet de las cosas Ataques de denegación distribuida de servicio
• Subjects:Computer security Wireless communication Internet of things Distributed denial of service attacks
• Palabras claves:Teléfonos inteligentes; Computación móvil de borde; Aplicaciones android; Técnicas de aprendizaje automático; Detección de malware; Características híbridas
• Keywords:Smart phones; Mobile edge computing; Android applications; Machine learning techniques; Malware detection; Hybrid features