دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Android Malware Detection using Machine Learning: Data-Driven Fingerprinting and Threat Intelligence: 86 (Advances in Information Security, 86)
دانلود کتاب تشخیص بدافزار Android با استفاده از یادگیری ماشینی: اثرانگشت مبتنی بر داده و هوش تهدید: 86 (پیشرفت‌ها در امنیت اطلاعات، 86)
مشخصات کتاب
Android Malware Detection using Machine Learning: Data-Driven Fingerprinting and Threat Intelligence: 86 (Advances in Information Security, 86)
ویرایش: نویسندگان: ElMouatez Billah Karbab, Mourad Debbabi, Abdelouahid Derhab, Djedjiga Mouheb سری: ISBN (شابک) : 9783030746643 ناشر: Springer International Publishing سال نشر: 2021 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 37 مگابایت
قیمت کتاب (تومان) : 41,000
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Android Malware Detection using Machine Learning: Data-Driven Fingerprinting and Threat Intelligence: 86 (Advances in Information Security, 86) به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تشخیص بدافزار Android با استفاده از یادگیری ماشینی: اثرانگشت مبتنی بر داده و هوش تهدید: 86 (پیشرفت‌ها در امنیت اطلاعات، 86) نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب تشخیص بدافزار Android با استفاده از یادگیری ماشینی: اثرانگشت مبتنی بر داده و هوش تهدید: 86 (پیشرفت‌ها در امنیت اطلاعات، 86)
نویسندگان یک چارچوب اثر انگشت بدافزار را برای پوشش تشخیص دقیق بدافزار اندرویدی و اسناد خانواده در این کتاب توسعه داده‌اند. نویسندگان بر موارد زیر تأکید می کنند: (1) مقیاس پذیری بیش از یک مجموعه بدافزار بزرگ. (2) انعطاف پذیری در برابر تکنیک های رایج مبهم سازی؛ (3) قابلیت حمل بر روی پلت فرم ها و معماری های مختلف. ابتدا، نویسندگان یک روش تقریبی انگشت نگاری را برای بسته بندی اندروید پیشنهاد می کنند که ساختار استاتیک زیربنایی برنامه های اندروید را در زمینه تشخیص انبوه و آفلاین در سطح برنامه-بازار به تصویر می کشد. این کتاب یک چارچوب خوشه‌بندی بدافزار را برای انجام خوشه‌بندی بدافزار با ایجاد و پارتیشن‌بندی شبکه شباهت برنامه‌های مخرب در بالای این تکنیک اثرانگشت پیشنهاد می‌کند. دوم، نویسندگان یک روش تقریبی اثرانگشت را پیشنهاد می‌کنند که از تحلیل پویا و تکنیک‌های پردازش زبان طبیعی برای تولید گزارش‌های رفتار بدافزار اندروید استفاده می‌کند. بر اساس این تکنیک انگشت نگاری، نویسندگان یک چارچوب تشخیص بدافزار قابل حمل با استفاده از طبقه بندی یادگیری ماشین را پیشنهاد می کنند. سوم، نویسندگان یک چارچوب خودکار برای تولید اطلاعات در مورد زیرساخت‌های سایبری مخرب بدافزار اندروید طراحی می‌کنند. سپس نویسندگان از تکنیک‌های تجزیه و تحلیل نمودار برای تولید اطلاعات مرتبط برای شناسایی اثرات تهدید فعالیت‌های اینترنتی مخرب مرتبط با بدافزار اندروید استفاده می‌کنند. نویسندگان یک سیستم موثر تشخیص بدافزار اندرویدی را در زمینه تشخیص آنلاین در سطح دستگاه تلفن همراه توضیح می‌دهند. این برای استقرار بر روی دستگاه های تلفن همراه، با استفاده از طبقه بندی یادگیری ماشین در توالی فراخوانی روش مناسب است. همچنین، در برابر تکنیک‌های رایج مبهم سازی کد انعطاف‌پذیر است و با استفاده از پردازش زبان طبیعی و تکنیک‌های یادگیری عمیق، با سیستم‌های عامل و تغییرات بدافزار سازگار است. محققانی که در زمینه امنیت موبایل و شبکه، یادگیری ماشین و تشخیص الگو کار می کنند، این کتاب را به عنوان مرجع مفید خواهند یافت. دانشجویان سطح پیشرفته ای که در این زمینه های موضوعی علوم کامپیوتر را مطالعه می کنند، این کتاب را نیز خریداری خواهند کرد.
توضیحاتی درمورد کتاب به خارجی
The authors develop a malware fingerprinting framework to cover accurate android malware detection and family attribution in this book. The authors emphasize the following: (1) the scalability over a large malware corpus; (2) the resiliency to common obfuscation techniques; (3) the portability over different platforms and architectures. First, the authors propose an approximate fingerprinting technique for android packaging that captures the underlying static structure of the android applications in the context of bulk and offline detection at the app-market level. This book proposes a malware clustering framework to perform malware clustering by building and partitioning the similarity network of malicious applications on top of this fingerprinting technique. Second, the authors propose an approximate fingerprinting technique that leverages dynamic analysis and natural language processing techniques to generate Android malware behavior reports. Based on this fingerprinting technique, the authors propose a portable malware detection framework employing machine learning classification. Third, the authors design an automatic framework to produce intelligence about the underlying malicious cyber-infrastructures of Android malware. The authors then leverage graph analysis techniques to generate relevant intelligence to identify the threat effects of malicious Internet activity associated with android malware. The authors elaborate on an effective android malware detection system, in the online detection context at the mobile device level. It is suitable for deployment on mobile devices, using machine learning classification on method call sequences. Also, it is resilient to common code obfuscation techniques and adaptive to operating systems and malware change overtime, using natural language processing and deep learning techniques. Researchers working in mobile and network security, machine learning and pattern recognition will find this book useful as a reference. Advanced-level students studying computer science within these topic areas will purchase this book as well.
نظرات کاربران
کتاب های تصادفی
دانلود کتاب The Guardian of Every Other Right, Third Edition: A Constitutional History of Property Rights (Bicentennial Essays on the Bill of Rights)
دانلود کتاب Radical Sewing: Pattern-free, Sustainable Fashions for All Bodies (Good Life)
دانلود کتاب Rethinking Moral Status
دانلود کتاب Ironía y destino: la filosofía secreta de Soren Kierkegaard
