Biblioteca122.294 documentos en línea

Artículo

Mlifdect: Android Malware Detection Based on Parallel Machine Learning and Information FusionMlifdect: Detección de malware para Android basada en aprendizaje automático paralelo y fusión de información

Resumen

En los últimos años, el malware de Android ha seguido creciendo a un ritmo alarmante. Las aplicaciones maliciosas más recientes emplean técnicas de evasión de detección altamente sofisticadas, lo que hace que los métodos tradicionales de detección de malware basados en aprendizaje automático sean mucho menos efectivos. Específicamente, no pueden hacer frente a varios tipos de malware de Android y tienen limitaciones en la detección al utilizar un solo algoritmo de clasificación. Para abordar esta limitación, proponemos un enfoque novedoso en este artículo que aprovecha técnicas de aprendizaje automático paralelo y fusión de información para una mejor detección de malware de Android, que se denomina. Para implementar este enfoque, primero extraemos ocho tipos de características de análisis estático en aplicaciones de Android y construimos dos tipos de conjuntos de características después de la selección de características. Luego, se desarrolla un modelo de detección de aprendizaje automático paralelo para acelerar el proceso de clasificación. Finalmente, investigamos enfoques

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

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.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento