تخمین مخاطرات امنیتی نرم افزارهای اندروید با استفاده از بهره اطلاعاتی

سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 173

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_PADSA-5-1_008

تاریخ نمایه سازی: 23 اردیبهشت 1400

چکیده مقاله:

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.

نویسندگان

محمود دی پیر

دانشگاه هوایی شهید ستاری

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله 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