PulseAugur
中
实时 09:44:33
English(EN) ShielDroid: A Hybrid Approach Integrating Machine and Deep Learning for Android Malware Detection

ShielDroid框架在Android恶意软件检测中达到97.5%的准确率

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了ShielDroid，一种通过混合动态分析检测Android恶意软件的新型框架。该方法实时分析应用程序行为，以识别逃避传统静态分析的恶意应用程序。该系统结合了随机森林和多层感知器算法，在22.945秒的执行时间内达到了97.5%的准确率。ShielDroid旨在通过实现对复杂恶意软件的及时检测来加强移动设备安全。 AI

影响 通过提供一种更准确、更及时的检测复杂Android恶意软件的方法来增强移动安全。

排序理由 该集群包含一篇详细介绍新方法和实验结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

ShielDroid框架在Android恶意软件检测中达到97.5%的准确率

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Md Faisal Ahmed, Zarin Tasnim Biash, Abu Raihan Shakil, Ahmed Ann Noor Ryen, Arman Hossain, Faisal Bin Ashraf, Muhammad Iqbal Hossain ·

    ShielDroid: A Hybrid Approach Integrating Machine and Deep Learning for Android Malware Detection

    arXiv:2608.03250v1 Announce Type: cross Abstract: The rapid advancement of modern technology has led to a significant increase in the use of smart devices, such as smartphones and tablets, resulting in the widespread adoption of mobile applications. Although applications are requ…

相关实体

相关话题