دوره 22، شماره 4 - ( 12-1404 )
جلد 22 شماره 4 صفحات 53-70 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Olyaei Torqabeh A, Rasoolzadegan A. A Deep Learning Based Method for Android Malware Detection. JSDP 2026; 22 (4) : 4
URL: http://jsdp.rcisp.ac.ir/article-1-1455-fa.html
URL: http://jsdp.rcisp.ac.ir/article-1-1455-fa.html
علیائی طرقبه علی، رسول زادگان عباس. ارائه یک راهکار مبتنی بر یادگیری عمیق برای تشخیص بدافزارهای اندرویدی. پردازش علائم و دادهها. 1404; 22 (4) :70-53
دانشیار گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران
چکیده: (88 مشاهده)
اندروید، سیستم عاملی متنباز با سهم بازار گسترده، یکی از اهداف اصلی توسعهدهندگان بدافزار است. افزایش تنوع دستگاههای مبتنیبر اندروید و پیچیدگی روزافزون بدافزارها، شناسایی آنها را به چالشی جدی تبدیل کردهاست. در این پژوهش، روشی مبتنیبر یادگیری عمیق برای تشخیص بدافزارها ارائه شدهاست که از تحلیل ایستا بهره میبرد؛ این روش با تبدیل بایتکدهای خام برنامهها به سیگنالهای صوتی، استخراج اطلاعات مهم از این سیگنالها و آموزش یک مدل با کمک یادگیری انتقالی، به صحت 99.3درصد و دقت 99.8درصد رسید. با تکیهبر نگاشت بایتکدهای خام به حوزه صوت، علاوهبر ایجاد دیدگاه جعبهسیاهگونه، پیچیدگی محاسباتی کاهش و دقت شناسایی افزایش پیدا کرد. یکی از نوآوریهای این روش که آن را برای استفاده در کاربردهای صنعتی و بازارهای اندرویدی مناسب میسازد، قابلیت آن در تشخیص بدافزارهای مبهمشده و عملکرد موفق آن در این زمینه است؛ موضوعی که یکی از چالشهای اساسی در حوزه تشخیص بدافزارهای اندرویدی بهشمار میرود.
شمارهی مقاله: 4
نوع مطالعه: پژوهشي |
موضوع مقاله:
مقالات گروه امنیت اطلاعات
دریافت: 1403/11/13 | پذیرش: 1404/11/14 | انتشار: 1404/12/29 | انتشار الکترونیک: 1404/12/29
دریافت: 1403/11/13 | پذیرش: 1404/11/14 | انتشار: 1404/12/29 | انتشار الکترونیک: 1404/12/29
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
