High Accuracy Detection of Mobile Malware Using Machine Learning

Yerima, Suleiman

Basel: MDPI - Multidisciplinary Digital Publishing Institute, 2023

Online E-Book - 226

Zugriff:

View record at Directory of Open Access Books (Volltext)

As increasingly sophisticated and evasive malware attacks continue to emerge, more effective detection solutions to tackle the problem are being sought through the application of advanced machine learning techniques. This reprint presents several advances in the field including: a new method of generating adversarial samples through byte sequence feature extraction using deep learning; a state-of-the-art comparative evaluation of deep learning approaches for mobile botnet detection; a novel visualization-based approach that utilizes images for Android botnet detection; a study on the detection of drive-by exploits in images using deep learning; etc. Furthermore, this reprint presents state-of-the-art reviews about machine learning-based detection techniques that will increase researchers' knowledge in the field and enable them to identify future research and development directions.

Titel:	High Accuracy Detection of Mobile Malware Using Machine Learning
Autor/in / Beteiligte Person:	Yerima, Suleiman
Link:	View record at Directory of Open Access Books (Volltext)
Veröffentlichung:	Basel: MDPI - Multidisciplinary Digital Publishing Institute, 2023
Medientyp:	E-Book
Umfang:	226
ISBN:	978-3-0365-7175-1 (print) ; 978-3-0365-7174-4 (print)
DOI:	10.3390/books978-3-0365-7174-4
Schlagwort:	malware analysis and detection applied machine learning mobile security neural network ensemble classification botnet detection deep learning Android botnets convolutional neural networks dense neural networks recurrent neural networks long short-term memory gated recurrent unit CNN-LSTM CNN-GRU Android security malware detection code vulnerability machine learning malware static analysis dynamic analysis hybrid analysis security Monte-Carlo simulation reinforcement learning adversarial sample convolutional neural network Histogram of Oriented Gradients image processing android botnets digital forensic optimization multilayer perceptron salp swarm algorithm connection weights business email compromise (BEC) email phishing phishing detection machine learning (ML) systematic literature review steganography steganalysis polyglots neural networks thema EDItEUR:K Economics, Finance, Business and Management:KN Industry and industrial studies:KNT Media, entertainment, information and communication industries:KNTX Information technology industries
Sonstiges:	Nachgewiesen in: Directory of Open Access Books Sprachen: English Document Type: eBook File Description: image/jpeg Language: English Rights: Attribution 4.0 International ; URL: https://creativecommons.org/licenses/by/4.0/ Notes: ONIX_20230511_9783036571751_12

Klicken Sie ein Format an und speichern Sie dann die Daten oder geben Sie eine Empfänger-Adresse ein und lassen Sie sich per Email zusenden.

BibTeX Citavi, JabRef, u.a.
(Literaturverwaltung)

PDF kein Volltext!
(Merkzettel, Notizen)

RIS Endnote, Citavi u.a.
(Literaturverwaltung)

MODS
(XML zur Weiterverarbeitung)

oder

Wählen Sie das für Sie passende Zitationsformat und kopieren Sie es dann in die Zwischenablage, lassen es sich per Mail zusenden oder speichern es als PDF-Datei.

Gewünschter Zitations-Stil:

oder

Bitte prüfen Sie, ob die Zitation formal korrekt ist, bevor Sie sie in einer Arbeit verwenden. Benutzen Sie gegebenenfalls den "Exportieren"-Dialog, wenn Sie ein Literaturverwaltungsprogramm verwenden und die Zitat-Angaben selbst formatieren wollen.