Resumen

El malware móvil representa un gran desafío para los dispositivos móviles y la comunicación móvil. Con el crecimiento explosivo de las redes móviles, es importante detectar el malware móvil para la seguridad móvil. Dado que la mayoría del malware móvil depende de las redes para coordinar operaciones, robar información o lanzar ataques, evadir el monitoreo de red es difícil para el malware móvil. En este artículo, presentamos un método de modelado neuronal basado en N-gramas y semántica para detectar el tráfico de red generado por el malware móvil. En el esquema propuesto, segmentamos el tráfico de red en flujos y extraemos la carga de capa de aplicación de cada paquete. Luego, los datos de carga de flujo generados se convierten en forma de texto como entrada del modelo propuesto. Cada texto de flujo consta de varios dominios con 20 palabras. El esquema propuesto modela la representación del dominio utilizando una red neuronal convolucional con núcleos de múltiple ancho de cada dominio. Posteriormente, las relaciones de

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Malware móvil; Tráfico de red; Método de detección; Modelado neuronal; Seguridad móvil; Resultados experimentales
• Keywords:Mobile malware; Network traffic; Detection method; Neural modeling; Mobile security; Experimental results