Permission structure of Android app

Permission structure of Android applications
introduces security vulnerabilities which can be readily exploited
by third-party applications. We address certain exploitability
aspects by means of neural networks, effective classification
techniques capable of verifying the application categories. We
devise a novel methodology to verify an application category by
machine-learning the application permissions and estimating
likelihoods of the extant categories. The performance of our
classifier is optimized through the joint minimization of false
positive and negative rates. Applying our modus operandi to
1,700 popular third-party Android applications and malwares, a
major portion of the category declarations were judged
truthfully. This manifests effectiveness of neural network
decision engines in validating Android application categories.

ผลลัพธ์ (ไทย) 1:

โครงสร้างสิทธิของการใช้งาน Androidแนะนำปัญหาด้านความปลอดภัยซึ่งสามารถนำพร้อมไปโดยโปรแกรมประยุกต์อื่น เราอยู่บาง exploitabilityด้านโดยใช้เครือข่ายประสาท การจัดประเภทที่มีประสิทธิภาพความสามารถในการตรวจสอบโปรแกรมประยุกต์ประเภทเทคนิค เราประดิษฐ์วิธีนวนิยายเพื่อตรวจสอบประเภทการสมัครด้วยอนุญาตโปรแกรมประยุกต์เครื่องเรียนรู้และการประเมินlikelihoods ประเภทยัง ประสิทธิภาพการทำงานของเราสุด classifier ผ่านลดภาระร่วมกันของปลอมราคาค่าบวก และค่าลบ ใช้ operandi modus ของเราไปโปรแกรมประยุกต์ Android อื่น ๆ นิยม 1700 และ malwares การส่วนใหญ่ของรายงานประเภทถูกตัดสินดี ๆ นี้ปรากฏประสิทธิภาพของโครงข่ายประสาทกลไกการตัดสินใจในการตรวจสอบประเภทของแอพลิเคชัน Android

ผลลัพธ์ (ไทย) 2:

โครงสร้างได้รับอนุญาตจากการใช้งาน Android
แนะนำช่องโหว่ความปลอดภัยที่สามารถใช้ประโยชน์ได้อย่างง่ายดายโดยการใช้งานของบุคคลที่สาม
เรามีความสำเร็จได้อยู่บางแง่มุมโดยวิธีการของเครือข่ายประสาทการจัดหมวดหมู่ที่มีประสิทธิภาพเทคนิคความสามารถในการตรวจสอบประเภทของโปรแกรมประยุกต์ เราประดิษฐ์วิธีการใหม่ในการตรวจสอบในประเภทการประยุกต์ใช้โดยเครื่องเรียนรู้สิทธิ์ในการประยุกต์ใช้และการประเมินโอกาสเกิดของประเภทที่ยังหลงเหลืออยู่ ประสิทธิภาพการทำงานของเราลักษณนามมีการเพิ่มประสิทธิภาพผ่านการลดทุนของเท็จอัตราบวกและลบ การใช้วิธีการทำงานของเราที่จะ1700 ที่เป็นที่นิยมของบุคคลที่สามการใช้งาน Android และมัลแวร์เป็นส่วนหนึ่งที่สำคัญของการประกาศประเภทถูกตัดสินตามความเป็นจริง นี้ปรากฏประสิทธิภาพของโครงข่ายประสาทเทียมเครื่องมือในการตรวจสอบการตัดสินใจประเภทการประยุกต์ใช้ Android

ผลลัพธ์ (ไทย) 3:

โครงสร้างของการประยุกต์ใช้ Android
ขออนุญาตแนะนำช่องโหว่ความปลอดภัยซึ่งสามารถพร้อมใช้ประโยชน์
โดยโปรแกรมของบุคคลที่สาม เราที่อยู่ด้าน exploitability
บางโดยวิธีการของโครงข่ายประสาทเทียมชนิดที่มีประสิทธิภาพความสามารถในการตรวจสอบใบสมัคร
ประเภทเทคนิค เรา
ประดิษฐ์วิธีการใหม่ในการตรวจสอบใบสมัครประเภท
การเรียนรู้เครื่องใช้สิทธิ์และประมาณค่า
likelihoods ของประเภทที่ยัง . การปฏิบัติของเรา
ลักษณนามเหมาะผ่านการร่วมของอัตราบวกและผลลบปลอม

การประยุกต์ใช้วิธีทำงานของเรา

1700 ความนิยมของบุคคลที่สามและการประยุกต์ใช้ Android มัลแวร์ ,
ส่วนใหญ่ของประเภทการประกาศถูกตัดสิน
ตามจริงนี้ปรากฏประสิทธิผลของเครื่องมือในการตัดสินใจในการประสาทเครือข่าย
ประเภทโปรแกรม Android