سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

تخمین مخاطرات امنیتی نرم افزارهای اندروید با استفاده از بهره اطلاعاتی

Publish Year: 1396
Type: Journal paper
Language: Persian
View: 237

This Paper With 12 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

JR_PADSA-5-1_008

Index date: 13 May 2021

تخمین مخاطرات امنیتی نرم افزارهای اندروید با استفاده از بهره اطلاعاتی abstract

با گسترش روز افزون بدافزارها در اندروید به عنوان پرکاربردترین سیستم عامل همراه، دانستن میزان خطر امنیتی هر نرم افزار می تواند در اعلام هشدار به کاربر نسبت به استفاده از بدافزارهای احتمالی، موثر باشد. مخاطرات امنیتی نرم افزارهای اندروید از طریق مجوزهای درخواستی آنها قابل تخمین است. در این مقاله با توجه به میزان سوء استفاده از مجوزهای درخواستی توسط بدافزارهای شناخته شده قبلی، مفهوم مجوز بحرانی به صورت دقیقتری تعریف شده است. بر اساس این تعریف و با تحلیل مجوزهای درخواستی توسط بدافزارها و نرم افزارهای مفید شناخته شده، معیار جدیدی به منظور اندازه گیری خطر امنیتی نرم افزارهای اندروید ارائه شده است. در این معیار مجوزهایی اثر بیشتری در محاسبه مقدار خطر امنیتی دارند که بهره اطلاعاتی بیشتری در تمایز بدافزارها داشته باشند. آزمایشهای صورت گرفته نشان دهنده نرخ تشخیص بالاتر و قابلیت تعمیم پذیری بیشتر معیار ارائه شده نسبت به معیارهای قبلی است.

تخمین مخاطرات امنیتی نرم افزارهای اندروید با استفاده از بهره اطلاعاتی Keywords:

تخمین مخاطرات امنیتی نرم افزارهای اندروید با استفاده از بهره اطلاعاتی authors

محمود دی پیر

دانشگاه هوایی شهید ستاری

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
C. Wilson, “Botnets, cybercrime, and cyberterrorism: Vulnerabilities and policy issues ...
C. S. Gates, J. Chen, N. Li, and R. W. ...
C. S. Gates, N. Li, H. Peng, B. Sarma, Y. ...
E. Chin, A. P. Felt, V. Sekar, and D. Wagner, ...
A. P. Felt, K. Greenwood, and D. Wagner, “The effectiveness ...
A. P. Felt, E. Ha, S. Egelman, A. Haney, E. ...
P. G. Kelley, S. Consolvo, L. F. Cranor, J. Jung, ...
P. G. Kelley, L. F. Cranor, and N. Sadeh, “Privacy ...
H. Peng, C. Gates, B. Sarma, N. Li, Y. Qi, ...
D. Geneiatakis, I. N. Fovino, I. Kounelis, and P. Stirparo, ...
B. P. Sarma, N. Li, C. Gates, R. Potharaju, C. ...
L. Cen, C. Gates, L.Si, and N. Li, “A probabilistic ...
A. Desnos, “Android: Static analysis using similarity distance,” In System ...
A. D. Schmidt, R. Bye, H. G. Schmidt, J. Clausen, ...
Y. Zhou, Z. Wang, W. Zhou, and X. Jiang, “Hey, ...
Y. Aafer, W. Du, and H. Yin, “Droid API Miner: ...
M. Christodorescu, S. Jha, and C. Kruegel, “Mining specifications of ...
K. Rieck, T. Holz, C. Willems, P. Düssel, and P. ...
A. Shabtai and Y. Elovici, “Applying behavioral detection on android-based ...
I. Burguera, U. Zurutuza, and S. Nadjm-Tehrani, “Crowdroid: behavior-based malware ...
Y. Zhou, and X. Jiang, “Dissecting android malware: Characterization and ...
D. Barrera, H. G. Kayacik, P. C. van Oorschot, and ...
W. Enck, D. Octeau, P. McDaniel, and S. Chaudhuri, “A ...
W. Enck, M. Ongtang, and P. McDaniel, “On lightweight mobile ...
S. Chakradeo, B. Reaves, P. Traynor, and W. Enck, “Mast: ...
K. W. Y. Au, Y. F. Zhou, Z. Huang, and ...
R. Quinlan, “Learning efficient classification procedures,” Machine Learning: an artificial ...
S. Koochaki and M. Abdollahi Azgomi, “A Method for Fluid ...
نمایش کامل مراجع