Detección de malware en android utilizando aprendizaje automático.
Resumen
Con el constante incremento del uso de dispositivos móviles, la necesidad de algoritmos efectivos en la detección de malware está en constante crecimiento. La investigación que se presenta en este trabajo aplica aprendizaje automático en la detección de malware en Android. Este enfoque se basa en las llamadas API de Java y en los permisos requeridos por las aplicaciones como características para generalizar el comportamiento de estas y diferenciar si es bueno o malicioso. Para la clasificación de las muestras se utilizan los métodos de aprendizaje supervisado SVM e ID3. Los resultados de la experimentación sobre un gran conjunto de aplicaciones son alentadores.Descargas
Los datos de descargas todavía no están disponibles.
Descargas
Publicado
2018-12-28
Cómo citar
Pérez Fals, A. (2018). Detección de malware en android utilizando aprendizaje automático. Telemática, 17(2), 24–35. Recuperado a partir de https://revistatelematica.cujae.edu.cu/index.php/tele/article/view/300
Número
Sección
Artículos de investigación científica y tecnológica
Licencia
Los autores que publican en esta revista están de acuerdo con los siguientes términos:
- Los autores conservan los derechos de autor y garantizan a la revista el derecho de ser la primera publicación del trabajo se distribuyen bajo una licencia de uso y distribución "Creative Commons Reconocimiento-NoComercial-SinObraDerivada 3.0 Unported" (CC BY-NC-ND 3.0) Puede consultar desde aquí la versión informativa y el texto legal de la licencia que permite a otros compartir el trabajo con un reconocimiento de la autoría del trabajo y la publicación inicial en esta revista.
- Los autores pueden establecer por separado acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista (por ejemplo, situarlo en un repositorio institucional o publicarlo en un libro), con un reconocimiento de su publicación inicial en esta revista.
- Se permite y se anima a los autores a difundir sus trabajos electrónicamente (por ejemplo, en repositorios institucionales o en su propio sitio web) antes y durante el proceso de envío, ya que puede dar lugar a intercambios productivos, así como a una citación más temprana y mayor de los trabajos publicados (Véase The Effect of Open Access) (en inglés).