.png){kind=icon}
返回
Android Malware Detection Based on Permissions and API Calls Using Ensemble Based Model
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-96-9443-3_7.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
安卓操作系统凭借其多功能性和定制化选项，极大地改变了移动行业和社会。然而，安卓系统的日益普及导致了恶意软件攻击数量的增加，使得应对这些威胁变得具有挑战性。本研究提出了一种针对安卓系统的恶意软件检测框架，该框架将权限和API调用作为特征。研究使用自编码器来降低特征集的维度，并采用集成模型进行分类。结果表明，集成模型优于单一分类器，准确率达到98.99%。研究得出结论，结合多个分类器和特征集可以实现更准确可靠的恶意软件检测，为安卓恶意软件检测领域的未来研究奠定了基础。
Keyword:
Android malware analysis
Static analysis
API-Calls
Permission
期刊
I
IF:
0
论文数:
25
被引数:
0
机构
引用论文
Naive Bayes: applications, variations and vulnerabilities: a review of literature with code snippets for implementation朴素贝叶斯: 应用，变化和漏洞: 带有代码片段的文献综述.png)
SOFT COMPUTING
SOFT COMPUTINGIF2.5
PREAI
分享收藏A Systematic Literature Review of Android Malware Detection Using Static Analysis基于静态分析的Android恶意软件检测系统文献综述IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏DL-Droid: Deep learning based android malware detection using real devicesDl-droid: 使用真实设备进行基于深度学习的android恶意软件检测COMPUTERS & SECURITYOAAI
COMPUTERS & SECURITYIF5.4
OAAI分享收藏
查看更多内容