Resumen

Las enciclopedias de software no deseado recopilan especies conocidas para proporcionar información para el análisis de incidentes, sin embargo, la falta de capacidad de categorización y generalización las vuelve ineficaces en el desarrollo de estrategias de defensa contra cepas agrupadas. Por lo tanto, se propone aquí un marco de categorización de software no deseado para no solo clasificarlo según diversas características taxonómicas, sino también facilitar evaluaciones sobre el riesgo de software no deseado para el ciberespacio. Armado con Máquinas de Vectores de Soporte, el marco construye modelos de aprendizaje basados en datos de entrenamiento extraídos automáticamente de enciclopedias de software no deseado y visualiza los resultados de categorización con Mapas Auto-Organizativos. Las características utilizadas en los modelos de aprendizaje son seleccionadas con ganancia de información y la alta dimensionalidad del espacio de características se reduce mediante el proceso de derivación de palabras y eliminación de palabras vacías. Las categorizaciones de software no deseado en características diversificadas revelan que este tipo de software generalmente intenta

• Materias:Redes móviles Enrutamiento Modelo analítico Redes ópticas Superredes
• Subjects:Mobile networks Routing Analytical model Optical networks Superlattices
• Palabras claves:Grayware; Marco de categorización; Características taxonómicas; Evaluación de riesgos; Máquinas de Vectores de Soporte; Modelos de aprendizaje
• Keywords:Grayware; Categorization framework; Taxonomic features; Risk assessment; Support Vector Machines; Learning models