Zobrazeno 1 - 10
of 948
pro vyhledávání: '"Android Security"'
Publikováno v:
Jordanian Journal of Computers and Information Technology, Vol 9, Iss 4, Pp 328-346 (2023)
This study aims to compare the longitudinal performance between machine learning and deep learning classifiers for Android malware detection, employing different levels of feature abstraction. Using a dataset of 200k Android apps labeled by date with
Externí odkaz:
https://doaj.org/article/4dc1c77bbc2a424ab19ecd75cc205e1b
Publikováno v:
Cybersecurity, Vol 6, Iss 1, Pp 1-19 (2023)
Abstract Statistics show that more than 80 applications are installed on each android smartphone. Vulnerability research on Android applications is of critical importance. Recently, academic researchers mainly focus on single bug patterns, while few
Externí odkaz:
https://doaj.org/article/b0cb3268268c410fba9fcaa3d598a2db
Autor:
Hendrio Bragança, Vanderson Rocha, Lucas Barcellos, Eduardo Souto, Diego Kreutz, Eduardo Feitosa
Publikováno v:
Data in Brief, Vol 51, Iss , Pp 109750- (2023)
High-quality datasets are crucial for building realistic and high-performance supervised malware detection models. Currently, one of the major challenges of machine learning-based solutions is the scarcity of datasets that are both representative and
Externí odkaz:
https://doaj.org/article/9add417b5abf4a979446ae75022f5fcf
Publikováno v:
IEEE Access, Vol 11, Pp 92523-92539 (2023)
Malicious Uniform Resource Locators (URLs) are the major issue posed by cybersecurity threats. Cyberattackers spread malicious URLs to carry out attacks such as phishing and malware, which lead unsuspecting visitors into scams, resulting in monetary
Externí odkaz:
https://doaj.org/article/422e716409944a23a0a016a79c1a42df
Publikováno v:
IEEE Access, Vol 11, Pp 10730-10750 (2023)
Security researchers utilize taint analyses to uncover suspicious behaviors in Android apps. Current static taint analyzers cannot handle ICC, reflection, and lifecycles dependably, increasing the result verification cost. On the other hand, current
Externí odkaz:
https://doaj.org/article/94e94a9179a8446c8919b3cd153c6511
Publikováno v:
SoftwareX, Vol 23, Iss , Pp 101448- (2023)
Despite decades of research, the automatic detection of vulnerabilities in mobile apps remains an open challenge. Among the possible solutions, SAST tools uncover source or compiled code security flaws without needing the app to be executed and teste
Externí odkaz:
https://doaj.org/article/1ef1fe3f90664a14bedf705c0dfeeb91
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Amnah Albin Ahmed, Afrah Shaahid, Fatima Alnasser, Shahad Alfaddagh, Shadha Binagag, Deemah Alqahtani
Publikováno v:
Sensors, Vol 24, Iss 1, p 189 (2023)
In today’s digitalized era, the usage of Android devices is being extensively witnessed in various sectors. Cybercriminals inevitably adapt to new security technologies and utilize these platforms to exploit vulnerabilities for nefarious purposes,
Externí odkaz:
https://doaj.org/article/f93493e7aeea4d18a689c46dcfb4cf53