Resumen

Actualmente, muchos servicios de Internet de las Cosas (IoT) son monitoreados y controlados a través de aplicaciones de teléfonos inteligentes. Al combinar IoT con teléfonos inteligentes, se han proporcionado muchos servicios convenientes de IoT a los usuarios. Sin embargo, existen efectos subyacentes adversos en tales servicios, incluyendo invasión de privacidad y fuga de información. En la mayoría de los casos, los dispositivos móviles se han llenado de información personal importante del usuario, ya que a través de ellos se proporcionan diversos servicios y contenidos. En consecuencia, los atacantes están ampliando el alcance de sus ataques más allá del entorno de PC e Internet existente hacia los dispositivos móviles. En este artículo, aplicamos una máquina de soporte vectorial lineal (SVM) para detectar malware en Android y comparamos el rendimiento de detección de malware de SVM con el de otros clasificadores de aprendizaje automático. A través de validación experimental, demostramos que el SVM supera a otros clasificadores de aprendizaje automático.

• Materias:Modelos matemáticos Conjuntos difusos Ecuaciones integrales Fusión de características Algoritmo de optimización
• Subjects:Mathematical models Fuzzy sets Integral equations Feature fusion Optimization algorithm
• Palabras claves:Internet de las cosas; Teléfonos inteligentes; Privacidad; Fuga de información; Malware de Android; Clasificadores de aprendizaje automático
• Keywords:Internet of things; Smartphones; Privacy; Information leakage; Android malware; Machine learning classifiers