Publicação em atas de evento científico
Overview of machine learning methods for Android malware identification
João Pedro Lopes (Lopes, J. P.); Carlos Serrão (Serrão, C.); Luís Nunes (Nunes, L.); Ana de Almeida (De Almeida, A.); João Pedro Oliveira (Oliveira, J.);
2019 7th International Symposium on Digital Forensics and Security (ISDFS)
Ano
2019
Língua
Inglês
País
Portugal
Mais Informação
Web of Science®

N.º de citações: 2

(Última verificação: 2022-05-21 07:37)

Ver o registo na Web of Science®

Scopus

N.º de citações: 7

(Última verificação: 2022-05-15 07:53)

Ver o registo na Scopus

Google Scholar

N.º de citações: 11

(Última verificação: 2022-05-18 02:38)

Ver o registo no Google Scholar

Abstract/Resumo
Mobile malware is growing and affecting more and more mobile users around the world. Malicious developers and organisations are disguising their malware payloads on apparently benign applications and pushing them to large app stores, such as Google Play Store, and from there to final users. App stores are currently losing the battle against malicious applications proliferation and existing malware. Detection methods based on signatures, such as those of an antivirus, are limited, new approaches based on machine learning start to be explored to surpass the limitations of traditional mobile malware detection methods, analysing not only static characteristics of the app but also its behaviour. This paper contains an overview of the existing machine learning mobile malware detection approaches based on static, dynamic and hybrid analysis, presenting the advantages and limitations of each, and a comparison between the reviewed methods.
Agradecimentos/Acknowledgements
This work is part of the AppSentinel project, co-funded by Lisboa2020/Portugal2020/EU in the context of the Portuguese Sistema de Incentivos à I&DT - Projetos em Copromoção (project 33953).
Palavras-chave
Android,Machine learning,Malware,Mobile,Security
  • Ciências Físicas - Ciências Naturais
Registos de financiamentos
Referência de financiamento Entidade Financiadora
33953 Comissão Europeia

Com o objetivo de aumentar a investigação direcionada para o cumprimento dos Objetivos do Desenvolvimento Sustentável para 2030 das Nações Unidas, é disponibilizada no Ciência-IUL a possibilidade de associação, quando aplicável, dos artigos científicos aos Objetivos do Desenvolvimento Sustentável. Estes são os Objetivos do Desenvolvimento Sustentável identificados pelo(s) autor(es) para esta publicação. Para uma informação detalhada dos Objetivos do Desenvolvimento Sustentável, clique aqui.