یک روش برای کشف بدافزارهای اندرویدی با استفاده از یادگیری عمیق
|
|||
---|---|---|---|
عنوان فارسی پروپوزال |
یک روش برای کشف بدافزارهای اندرویدی با استفاده از یادگیری عمیق |
||
عنوان انگلیسی پروپوزال | Android Malware Detection Using Deep Learning |
||
تعداد صفحات | ۱۹ | ||
سال نگارش | 2021 | ||
رشته | کامپیوتر | ||
قالب فایل | Word | ||
مقاله بیس | دارد | ||
لینک مقاله بیس | https://www.researchgate.net/publication/351676213_Android_Malware_Detection_Using_Deep_Learning |
این پروپوزال دارای مقاله بیس میباشد که قابل مشاهده و دانلود می باشد
فهرست مطالب پروپوزال
- بیان مساله اساسی تحقیق
- اهمیت و ضرورت انجام تحقیق
- مرور ادبیات و سوابق مربوطه
- جنبه جدید بودن و نوآوری در تحقیق
- اهداف مشخص تحقیق
- سؤالات تحقیق
- فرضیه های تحقیق
- روش شناسی تحقیق
- متغیرهای مورد بررسی در قالب یک مدل مفهومی
- شرح کامل روش (میدانی، کتابخانهای) و ابزار
- جامعه آماری، روش نمونه گیری و حجم نمونه
- روشها و ابزار تجزیه و تحلیل داده ها کشف تقلب
- مراجع
بیان مساله
امروزه اندروید، با چند هزار برنامه کاربردی، یکی از محبوبترین سیستمعاملها برای گوشیهای هوشمند است. با رشد ویژگیها و قابلیتهای تلفن هوشمند، مهاجمین میتوانند اطلاعات بیشتری از کاربران –از جمله اطلاعات حسابهای بانکی، عکسها و…- به دست آورند. ازاینرو تلفنهای هوشمند بهطور فزایندهای توسط مهاجمان هدف قرار داده شده و به برنامههای مخرب آلوده میشوند. برنامه های باز بستهبندی شده اندروید
یکی از ویژگیهای اندروید، در مقایسه با دیگر سیستمعاملها – این است که اجازه نصب برنامهها از منابع تائید نشده را میدهد که این مسئله باعث میشود توزیع برنامههای کاربردی با نرمافزارهای مخرب برای مهاجمان آسان باشد. یکی از حملات خاص که گوشیهای هوشمند با آن مواجه هستند –مخصوصاً در پلت فرم اندروید- برنامههای دوباره بستهبندیشده است. برنامه های باز بستهبندی شده اندروید
یک برنامه دوباره بستهبندیشده، یک برنامه اولیه است که توسط یک مهاجم تغییر یافته است تا یک سری اهداف اضافی را انجام دهد. مهاجم این توانایی را دارد که سورس یک برنامه را به دست آورده و تعدادی کد مخرب به آن اضافه و دوباره آن را بستهبندی کند. در حقیقت مهندسی معکوس و ایجاد تغییرات در برنامههایی مانند برنامههای اندروید که با زبان جاوا کدنویسی شدهاند، به دلیل وجود اطلاعات معناشناسی زیاد به سادگی قابل انجام است. از آنجا که مهاجم هر نوع کدی را میتواند به این برنامه اضافه کند، برنامههای بازبستهبندیشده یک تهدید جدی برای توسعهدهندگان برنامهها و همچنین مشتریان این برنامههای باشد. لذا یافتن راهکاری برای تشخیص برنامههای بازبستهبندیشده الزامی است. در این تحقیق با استفاده از یادگیری عمیق و بررسی رفتار برنامه (فراخوانی API ها ) یک روش موثر برای کشف برنامه های دوباره بسته بندی شده ارائه می شود.
Mariconti, L. Onwuzurike, P. Andriotis, E. De Cristofaro, G. Ross, and G. Stringhini. (2016) Mamadroid: Detecting android malware by building markov chains of behavioral models. arXiv preprint arXiv:1612.04433,2016.
Jiao, S., Cheng, Y., Ying, L., Su, P. and Feng, D., 2015, May. A rapid and scalable method for Android application repackaging detection. In International Conference on Information Security Practice and Experience (pp. 349-364). Springer, Cham.
Martín, I., & Hernández, J. A. (2019). CloneSpot: Fast detection of Android repackages. Future Generation Computer Systems, 94, 740-748.
Ma, Z., Ge, H., Wang, Z., Liu, Y., & Liu, X. (2020). Droidetec: Android Malware Detection and Malicious Code Localization through Deep Learning. arXiv preprint arXiv:2002.03594.
نقد و بررسیها
هیچ دیدگاهی برای این محصول نوشته نشده است.