• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Vietnam Journal of Computer Science >Evaluation of Advanced Ensemble Learning Techniques for Android Malware Detection
【24h】

Evaluation of Advanced Ensemble Learning Techniques for Android Malware Detection

机译：用于Android恶意软件检测的高级集合学习技术的评估

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Android is the most well-known portable working framework having billions of dynamic clients worldwide that pulled in promoters, programmers, and cybercriminals to create malware for different purposes. As of late, wide-running inquiries have been led on malware examination and identification for Android gadgets while Android has likewise actualized different security controls to manage the malware issues, including a User ID (UID) for every application, framework authorizations. In this paper, we advance and assess various kinds of machine learning (ML) by applying ensemble-based learning systems for identifying Android malware related to a substring-based feature selection (SBFS) strategy for the classifiers. In the investigation, we have broadened our previous work where it has been seen that the ensemble-based learning techniques acquire preferred outcome over the recently revealed outcome by directing the DREBIN dataset, and in this manner they give a solid premise to building compelling instruments for Android malware detection.
机译：Android是最着名的便携式工作框架，其全球有数十亿个动态客户，其中延续了推动者，程序员和网络犯罪分子，以创造不同目的的恶意软件。截至较晚，宽运行查询已导致恶意软件检查和Android小工具的识别，而Android则同样实现不同的安全控制来管理恶意软件问题，包括每个应用程序的用户ID（UID），框架授权。在本文中，我们通过应用基于集合的学习系统来推导和评估各种机器学习（ML），用于识别与分类器的基于子字符串的特征选择（SBF）策略相关的Android恶意软件。在调查中，我们已经扩大了我们以前的工作，从而看到基于集合的学习技术通过指导DRebin数据集来获得最近透露结果的首选结果，并以这种方式为建立令人信服的工具提供坚实的前提Android恶意软件检测。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号