.png){kind=icon}
返回
Android Malware Detection Methods Based on Convolutional Neural Network: A Survey
.png){kind=icon}
PRE
AI
DOI：10.1109/TETCI.2023.3281833.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
Android恶意软件检测 (AMD) 是一项具有挑战性的任务，需要在检测过程中考虑许多因素，例如特征提取和处理，性能评估以及许多可用的数据集。AMD旨在开发更有效的算法和模型，以保护用户的隐私和数据安全。深度学习 (DL) 最近在AMD中受到了相当大的关注，尤其是卷积神经网络 (CNN)，它可以更有效地处理Android应用程序中的二进制数据，避免特征工程，并很好地应对快速的恶意软件更新。然而，基于CNN的AMD论文正在增加和分散。本文试图评论辩论基于CNN的AMD技巧。首先，系统地回顾了AMD的主要步骤，例如数据收集和预处理，特征提取，特征表示，模型训练和模型评估。然后，根据检测中使用的不同特征对文献进行了总结。最后，提出了AMD面临的挑战和未来的研究方向。
Keyword:
Android
malware detection
convolutional neural network
deep learning
期刊
I
IF:
6.5
论文数:
1.4K
被引数:
4.5K
机构
引用论文
分享收藏Traveling Feminist Thought: Difference and Transculturation in Central and Eastern European Feminism
PREAI
分享收藏分享收藏Review of Android Malware Detection Based on Deep Learning基于深度学习的Android恶意软件检测综述.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏Hybrid sequence-based Android malware detection using natural language processing基于混合序列的自然语言处理Android恶意软件检测OAAI
OAAI分享收藏
查看更多内容