Cookies y Privacidad
Usamos cookies propias y de terceros para mejorar la experiencia de nuestros usuarios, analizar el tráfico del sitio y personalizar contenido. Si continúas navegando, asumimos que aceptas su uso. Para más información, consulta nuestra Política de Cookies
PICAndro: Detección de malware para Android basada en la inspección de paquetes
El mundo posterior a la epidemia de COVID ha aumentado la dependencia de los negocios en línea para las transacciones de la vida diaria a través de Internet, especialmente utilizando el teléfono inteligente u otros dispositivos portátiles. Esta mayor dependencia ha llevado a la aparición de nuevas superficies de ataque que deben ser evaluadas por investigadores de seguridad. La gran cuota de mercado de Android atrae a los autores de malware a lanzar malware más sofisticado (12000 al día). La necesidad de detectarlos se está volviendo crucial. Por lo tanto, en este artículo, proponemos PICAndro, que puede mejorar la precisión y la profundidad de la detección y categorización de malware utilizando la inspección de paquetes del tráfico de red capturado. Las interacciones de red identificadas se representan como imágenes, las cuales se alimentan en el motor CNN. Se muestra un rendimiento mejorado con una precisión del 99.12% y 98.91% para la detección de malware y la detección de la clase de malware, respectivamente, con alta precisión.
Autores: Sihag, Vikas; Choudhary, Gaurav; Vardhan, Manu; Singh, Pradeep; Seo, Jung Taek
Idioma: Inglés
Editor: Hindawi
Año: 2021
Disponible con Suscripción Virtualpro
Artículos
Categoría
Ingeniería y Tecnología
Licencia
Atribución – Compartir igual
Consultas: 7
Citaciones: Sin citaciones
Hindawi
Security and Communication Networks
Volume , Article ID 9099476, 11 pages
https://doi.org/10.1155/2021/9099476
Sihag Vikas1, Choudhary Gaurav3, Vardhan Manu2, Singh Pradeep2, Seo Jung Taek4
Sardar Patel University of Police India, National Institute of Technology India, DTU Compute Denmark, Department of Computer Engineering Republic of KoreaAcademic Editor: Liu Zhe-Li
Contact: @hindawi.com
El mundo posterior a la epidemia de COVID ha aumentado la dependencia de los negocios en línea para las transacciones de la vida diaria a través de Internet, especialmente utilizando el teléfono inteligente u otros dispositivos portátiles. Esta mayor dependencia ha llevado a la aparición de nuevas superficies de ataque que deben ser evaluadas por investigadores de seguridad. La gran cuota de mercado de Android atrae a los autores de malware a lanzar malware más sofisticado (12000 al día). La necesidad de detectarlos se está volviendo crucial. Por lo tanto, en este artículo, proponemos PICAndro, que puede mejorar la precisión y la profundidad de la detección y categorización de malware utilizando la inspección de paquetes del tráfico de red capturado. Las interacciones de red identificadas se representan como imágenes, las cuales se alimentan en el motor CNN. Se muestra un rendimiento mejorado con una precisión del 99.12% y 98.91% para la detección de malware y la detección de la clase de malware, respectivamente, con alta precisión.
Descripción
El mundo posterior a la epidemia de COVID ha aumentado la dependencia de los negocios en línea para las transacciones de la vida diaria a través de Internet, especialmente utilizando el teléfono inteligente u otros dispositivos portátiles. Esta mayor dependencia ha llevado a la aparición de nuevas superficies de ataque que deben ser evaluadas por investigadores de seguridad. La gran cuota de mercado de Android atrae a los autores de malware a lanzar malware más sofisticado (12000 al día). La necesidad de detectarlos se está volviendo crucial. Por lo tanto, en este artículo, proponemos PICAndro, que puede mejorar la precisión y la profundidad de la detección y categorización de malware utilizando la inspección de paquetes del tráfico de red capturado. Las interacciones de red identificadas se representan como imágenes, las cuales se alimentan en el motor CNN. Se muestra un rendimiento mejorado con una precisión del 99.12% y 98.91% para la detección de malware y la detección de la clase de malware, respectivamente, con alta precisión.