Google Play上的Android广告软件应用程序积累了200万次安装

近期,GooglePlay上的恶意广告软件如HiddenAds、FakeApp和Joker家族的应用程序引起了关注。这些程序通过隐藏自身、篡改图标和推送广告来获利,部分还涉及投资骗局和违规行为。已从商店移除,但用户需检查设备并清理潜在威胁。
摘要由CSDN通过智能技术生成

图片

大家好,今天我们要聊一聊Google Play上的一个热门话题——Android广告软件应用程序。最近,一些恶意应用程序在Google Play上累积了200万次的安装量,给用户推送了讨厌的广告,同时又隐藏了它们在受感染设备上的存在。

根据Doctor Web的最新移动威胁报告,分析师们发现了与“FakeApp”、“Joker”和“HiddenAds”恶意软件家族相关的木马程序。其中,特别引人注目的是以下四个伪装成游戏的广告软件(HiddenAds)应用程序:

图片

Doctor Web解释说,一旦受害者在其设备上安装了这些应用程序,它们会通过将自己的图标替换为Google Chrome的图标,或者使用透明图标图像在应用程序抽屉中创建空白区域来隐藏自己。这些应用程序在启动时悄悄运行在后台,滥用浏览器来推送广告并为运营商创造收入。

分析师们还发现了几款属于FakeApp家族的应用程序,它们会将用户引导至投资骗局网站。此外,Doctor Web还发现了一些违反Google Play政策的游戏应用程序,它们加载了可疑的在线赌场网站。

以下是一些值得注意的例子:

图片

最后,我们的杀毒软件团队在Google Play上发现了两款Joker家族的应用程序,它们会订阅用户的高级付费服务。

需要注意的是,本报告中提到的所有应用程序在撰写本文时已从Google Play中移除。然而,过去可能已经安装了这些应用程序的用户务必立即删除它们,并使用Play Protect和移动杀毒工具对设备进行全面扫描。

Doctor Web还在GitHub上发布了上个月其分析师发现的所有恶意Android应用程序的哈希列表。

为了避免从Google Play下载恶意软件,我们建议您将安装的应用程序数量保持最低限度,仔细阅读用户评论,并进行检查以确保发布者的可信度。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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