论文阅读：BIGMOMAL — Big Data Analytics for Mobile Malware Detection

最新推荐文章于 2024-06-03 11:20:24 发布
最新推荐文章于 2024-06-03 11:20:24 发布
阅读量436 收藏
点赞数
分类专栏： 论文阅读
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_30050175/article/details/90107649
版权
本文探讨了移动恶意软件的威胁，并基于监督机器学习和大数据分析研究了Android设备上的恶意软件检测。使用SherLock数据集，通过决策树进行特征工程，分析CPU、线程等指标区分正常和恶意应用。尽管单用户模型识别存在挑战，但提出了多用户建模的创新思路。
摘要由CSDN通过智能技术生成

BIGMOMAL — Big Data Analytics for Mobile Malware Detection

研究背景

移动恶意软件崛起，移动端存有个人大量隐私内容，安全局势十分严峻。依靠监督机器学习模型研究Android智能手机中的恶意软件和运行应用程序检测问题。

传统方式
识别安卓系统恶意软件：

  • 静态技术：主要基于源代码分析
  • 动态方法在执行期间分析应用程序

论文内容

依赖于监督机器学习模型和大数据分析框架研究了智能手机中的恶意软件检测问题；

评估准则：
i）整体模型性能，（ii）不同用户的学习模型的概括，（iii）检测精度随时间的漂移。

数据集

SherLock数据集，这是一个包含6000多亿个样本的大规模时间序列数据集
2015.2 - 2017.12

实验内容

基于SherLock datase数据集实现对安卓上不同应用程序 & 正常、恶意软件区分

区分不同的运行应用程序

决策树；
**特征工程：**CPU、线程、存储、服务运行，在后台运行还是在前台运行？

时序识别能力：随时间下降

识别恶意软件

特征工程：

最低0.47元/天 解锁文章
我的喵喵找不到了
关注
专栏目录
BigDansing: A System for Big Data Cleansing论文笔记
皓波的博客
07-25 1018
这是BigDansing这篇论文的一些笔记，希望对您有所帮助。 1.基础 Semantics                Detect        GenFix                     v                v ->UDF->Violation->Possible Fixes UDF U:用户自定义的关系 D:拒绝约束(t1,t2=>
每周大数据论文（二）Data Mining with Big Data
Handoking的博客【学无止境】
05-28 5577
日常声明：论文均来自于谷歌学术或者其他国外付费论文站，博主只是读论文，译论文，分享知识，如有侵权联系我删除，谢谢。同时希望和大家一起学习，有好的论文可以推荐给我，我翻译了放上来，也欢迎大家关注我的读论文专栏https://blog.csdn.net/column/details/23027.html Data Mining with Big Data 作者：Xindong Wu, Xingqu...
Big Data 文章
TigerYang414的专栏
06-09 431
大数据的风险
论文阅读 (49)：Big Data Security and Privacy Protection (科普文)
因吉的博客
04-21 5028
大数据时代，人们的日常生活、作息规律、以及思维模式均经历着翻天覆地的变化。大数据已经成为工业界与学术界的一个经久不衰的问题。然而，大数据在带来便利的同时，危险也悄然而至。在数据的收集、存储，以及使用过程中，个人的信息存在泄露风险，数据的欺诈性也引发了辨别性困难。如何保证大数据安全及隐私保护，正成为当今时代的热点话题之一。本文以大数据为伊始，分析其中的安全性问题，从而针对性地提出关于大数据安全与隐私保护的策略。
Big Data Caching for Networking: Moving from Cloud to Edge 论文分享
goto_past的博客
02-07 972
Big Data Caching for Networking: Moving from Cloud to Edge Abstract 问题背景： 为应对5G无线网络下的流量爆炸问题，目前解决方法包括开发新的频谱，建立更多基站，增加移动分组核心网络中的节点 而基于环境感知5G网络与边缘/云计算和大数据分析的开发可以为移动运营商带来显著收益。 主要研究： 本文研究了5G无线网络中的主动内容缓存，提出了一种大数据支持架构。在这个实用的架构中，大数据被用来估计内容的受欢迎程度，并以此制定内容在BSs中的缓存策略，
论文阅读--A Survey on Secure Data Analytics in Edge Computing
c630843901的博客
08-26 6132
文章标题: A Survey on Secure Data Analytics in Edge Computing D. Liu, Z. Yan, W.X. Ding*, M. Atiquzzaman, “A Survey on Secure Data Analytics in Edge Computing”, IEEE Internet of Things Journal, Vol. 6, No. 3, pp. 4946-4967, June 2019. Doi: 10.1109/JIOT.2019.28
AndroDialysis: Analysis of Android Intent Effectiveness in Malware Detection
01-20
这篇文章的引用次数为0，阅读次数为2885，这表明虽然文章发表时间较短，但已经被一定数量的读者阅读和关注。 总的来说，《AndroDialysis：分析Android Intent在恶意软件检测中的有效性》这篇文章对Android恶意软件...
SaaS: A situational awareness and analysis system for massive android malware detection
02-07
### SaaS: 一种针对大规模安卓恶意软件检测的情境感知与分析系统 #### 研究背景及目的 随着移动互联网技术的飞速发展，安卓应用程序（Apps）的数量急剧增加，每天都有大量的新应用被上传、分发和更新在各种安卓...
[论文翻译]（2017ACM）Deep Android Malware Detection (操作码)深度Android恶意软件检测
最新发布
my991201的博客
06-03 725
在本文中，我们提出了一种新颖的Android恶意软件检测系统，该系统使用深度卷积神经网络（CNN）。通过对反汇编程序的原始操作码序列进行静态分析，进行恶意软件分类。恶意软件的特征是通过网络从原始操作码序列中自动学习的，因此不再需要手工设计的恶意软件特征。我们提出的系统的训练流程比现有的基于n-gram的恶意软件检测方法要简单得多，因为网络是端到端训练的，可以同时学习适当的特征并执行分类，因此在训练期间不再需要明确列举数百万个n-gram。
sherlock:使用机器学习自动检测假新闻
03-21
夏洛克 使用机器学习自动检测假新闻。 该存储库的目标是提供一种准确可靠的方法来发现已经由事实检查网站（例如Politifact）揭穿的虚假新闻。它通过将需要事实检查的文本中的句子与Google的事实检查浏览器（ ）之类的API抓取的事实检查结果进行比较，并返回带有超过特定阈值的相似度得分。 用法 要获取数据集，请运行 make dataset -j4 要使用其他下载二进制文件（例如aria2 ，请使用以下命令设置download变量 make dataset -j4 download="aria2c -x 8" 演示版 要使用演示，请运行 make python3 -m pip install -r requirements.txt python3 -m pip install -r requirements-demo.txt python3 -m uvicorn sherlock.de
project_SherLock:神探夏洛特vs莫里亚蒂
04-08
项目-SherLock Sherlock vs Moriarty：用于网络安全研究的智能手机数据集。 该项目将研究如何应用模拟回归来捕获Moriarty动作。 可以在<link break，Dave？>上找到数据，也可以在上找到2周的子集。 在文章中可以找到讨论该数据集的论文 。 安装 使用包管理器安装所需的库。 pip install -r requirements.txt 用法 该项目和小型分配的当前状态包括数据加载，示例EDA，然后进行伪线性回归建模和酸洗。 然后，一个独立的python脚本将运行腌制的模型。 在此项目目录中的命令行中，键入： jupyter notebook 模型的拟合在Jupyter笔记本“ SherLock.ipynb”中进行。 将生成一个腌制的模型，并使用以下命令执行python脚本'test_pickled_model.py'进行仿造预测 py
大数据领域一些值得读的论文（不断更新
weixin_39666736的博客
06-07 5137
大数据领域一些值得读的论文（不断更新 1.大数据Hadoop三辆马车 MapReduce-2004：一种计算框架 https://static.googleusercontent.com/media/research.google.com/zh-CN//archive/mapreduce-osdi04.pdf GoogleFileSystem-2003：GFS 谷歌的文件系统 https://static.googleusercontent.com/media/research.google.com/zh-
大数据
鸣志工作室
12-09 943
大数据（Big Data） 大数据，官方定义是指那些数据量特别大、数据类别特别复杂的数据集，这种数据集无法用传统的数据库进行存储，管理和处理。大数据的主要特点为数据量大（Volume），数据类别复杂（Variety），数据处理速度快（Velocity）和数据真实性高（Veracity），合起来被称为4V。 大数据中的数据量非常巨大，达到了PB级别。而且这庞大的数据之中，不仅仅包
big data 文章汇总
python|大数据爱好者Alvin
10-19 1021
big data，postgres，presto，druid，spark-sql
论文阅读2018:Effective Detection of Multimedia Protocol Tunneling using Machine Learning
一只咸鱼的小努力
03-12 1690
Effective Detection of Multimedia Protocol Tunneling using Machine Learning作者知识点工具网络隐蔽信道技术摘要研究点的提出创新点贡献实验讨论相似工作总结 &amp;amp;amp; 感悟 作者 2018 USENIX Diogo Barradas Nuno Santos Lu ́ıs Rodrigues 知识点 工具 Facet；提供...
Cracking the Wall of Confinement: Understanding and Analyzing Malicious Domain Take-downs
一只咸鱼的小努力
05-22 1027
Cracking the Wall of Confinement: Understanding and Analyzing Malicious Domain Take-downs摘要知识点机构Domain take-downdomain toke-down 操作元素WHOIS记录其他研究动机论文内容数据集论文实验1. 发现token-down domains数据收集sinkholed Domain...
论文阅读2018：We Still Don’t Have Secure Cross-Domain Requests: an Empirical Study of CORS
一只咸鱼的小努力
03-06 967
We Still Don’t Have Secure Cross-Domain Requests: an Empirical Study of CORS作者介绍相关知识CORSSame Origin Policy跨源发送的风险Cross Site Request Forgery (CSRF)HFPA摘要研究动机发现的问题贡献论文结构实验部分model实验方法实验总结Crafting Request...
bottracer: execution-based bot-like malware detection
08-25
bottracer是一种基于执行的类似bot的恶意软件检测工具。它的作用是通过检测和分析执行过程中的行为，识别可能是恶意bot的程序。 bottracer的原理是观察程序在系统中的执行，并捕获和记录其行为特征。...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值