Resumen

La aplicación web se ha convertido en un objetivo principal para los ciberdelincuentes al inyectar malware, especialmente JavaScript, para realizar actividades maliciosas de suplantación. Por lo tanto, se vuelve imperativo detectar dicho código malicioso en tiempo real antes de que se realice cualquier actividad maliciosa. Este estudio propone un método eficiente para detectar scripts de Java maliciosos previamente desconocidos utilizando un interceptor en el lado del cliente al clasificar las características clave del código malicioso. Se obtuvo un subconjunto de características utilizando el método de envoltura para la reducción de dimensionalidad. Se utilizaron clasificadores de aprendizaje automático supervisado en el conjunto de datos para lograr una alta precisión. Los resultados experimentales muestran que nuestro método puede clasificar eficientemente el código malicioso del código benigno con resultados prometedores.

• Materias:Sistemas de Comunicación Inalámbricos Internet de las cosas Redes de radio Computación móvil Radio cognitiva
• Subjects:Wireless Communication Systems Internet of things Radio Networks Mobile Computing Cognitive Radio
• Palabras claves:Aplicación web; Ciberdelincuentes; Malware; JavaScript; Actividades maliciosas; Aprendizaje automático
• Keywords:Web application; Cyber criminals; Malware; JavaScript; Malicious activities; Machine learning