Revista de Tecnología de la Información e Ingeniería de Software
Acceso abierto

abstracto

Aprendizaje automático para identificar malware de iOS

Lisa angelina

Los teléfonos inteligentes se han transformado en un componente indispensable de nuestra vida diaria. Se confía casi por completo en los teléfonos inteligentes como herramienta de comunicación, fuente de información y fuente de placer a nivel social, político y económico. Los rápidos avances en la información y la seguridad cibernética han exigido una atención especial a la privacidad y seguridad de los datos de los teléfonos inteligentes. Los sistemas de detección de software espía se han creado recientemente como una opción potencial y atractiva para la protección de la privacidad de los usuarios de teléfonos inteligentes. Debido a que el sistema operativo Android es el más utilizado en el mundo, es un objetivo importante para varios grupos interesados en atacar a los usuarios de teléfonos inteligentes. privacidad. Esta investigación presenta un conjunto de datos único recopilado en un entorno realista utilizando un enfoque novedoso de recopilación de datos basado en una lista de actividades unificada.

Los datos se separan en tres categorías; Tráfico regular de teléfonos inteligentes, datos de tráfico para el procedimiento de instalación de spyware y datos de tráfico operativo de spyware. Se utilizó el enfoque de clasificación aleatoria de bosques para verificar este conjunto de datos y el modelo sugerido. Para la categorización de datos, se utilizaron dos enfoques: clasificación de clases binarias y clasificación de clases múltiples. En términos de precisión, se obtuvieron buenos resultados. La precisión promedio total para la clasificación de clases binarias fue del 79 % y del 77 % para la clasificación de clases múltiples.