Smartphones are becoming more and m

Smartphones are becoming more and more popular and, as a consequence, malware writers are increasingly engaged to develop new threats and propagate them through official and third-party markets. In addition to the propagation vectors, malware is also evolving quickly the techniques adopted for infecting victims and hiding their malicious nature to antimalware scanning. From SMS Trojans to legitimate applications repacked with malicious payload, from AES encrypted root exploits to the dynamic loading of a payload retrieved from a remote server: malicious code is becoming more and more hard to detect.

In this paper we experimentally evaluate two techniques for detecting Android malware: the first one is based on Hidden Markov Model, while the second one exploits structural entropy. These two techniques have been successfully applied to detect PCs viruses in previous works, and only one work in literature analyzes the application of HMM to the detection of Android malware. We demonstrate that these methods, which reveal effective for PCs virus, are also successful for detecting and classifying mobile malware.

Our results are promising: we obtain a precision of 0.96 to discriminate a malware application, and a precision of 0.978 to identify the malware family.

ผลลัพธ์ (ไทย) 1:

สมาร์ทโฟนจะกลายเป็นที่นิยมมาก และ เป็นผล นักเขียนมัลแวร์ที่มีการส่วนร่วมมากขึ้นภัยคุกคามใหม่พัฒนา และเผยแพร่พวกเขาผ่านตลาดอย่างเป็นทางการ และอื่น ๆ นอกจากการเผยแพร่เวกเตอร์ มัลแวร์มียังการพัฒนาอย่างรวดเร็วเทคนิคที่นำมาติดเหยื่อ และการซ่อนลักษณะที่เป็นอันตรายที่ทำการสแกน antimalware จากโทรจัน SMS ถูกต้องโปรแกรมประยุกต์ที่พบกับน้ำหนักบรรทุกที่เป็นอันตราย จาก AES การเข้ารหัสลับหาประโยชน์รากเพื่อโหลดแบบไดนามิกของน้ำหนักบรรทุกที่ดึงมาจากเซิร์ฟเวอร์ระยะไกล: รหัสที่เป็นอันตรายจะกลายเป็นมากขึ้นยากที่จะตรวจสอบในเอกสารนี้ เราทดลองประเมินสองเทคนิคสำหรับการตรวจจับมัลแวร์ Android: อันแรกตามแบบ Markov ที่ซ่อนอยู่ ในขณะที่สองโครงสร้าง entropy ที่หาประโยชน์ เทคนิคที่สองเหล่านี้ได้ถูกนำไปใช้เพื่อตรวจหาไวรัสพีซีในการทำงานก่อนหน้านี้ และงานเดียวในวรรณคดีวิเคราะห์ประยุกต์ของ HMM เพื่อตรวจหามัลแวร์ Android เราแสดงให้เห็นว่า วิธีการเหล่านี้ ซึ่งแสดงให้เห็นประสิทธิภาพในการคอมพิวเตอร์ไวรัส จะยังประสบความสำเร็จสำหรับตรวจหา และแยกประเภทมัลแวร์มือถือผลของเรามีแนวโน้ม: เราได้รับความแม่นยำ 0.96 การแยกแยะโปรแกรมมัลแวร์ และความแม่นยำของ 0.978 ระบุครอบครัวมัลแวร์

ผลลัพธ์ (ไทย) 2:

มาร์ทโฟนจะกลายเป็นที่นิยมมากขึ้นและเป็นผลให้นักเขียนมัลแวร์มีส่วนร่วมมากขึ้นในการพัฒนาภัยคุกคามใหม่และเผยแพร่พวกเขาผ่านการตลาดอย่างเป็นทางการและบุคคลที่สาม นอกเหนือจากการเป็นพาหะแพร่กระจายมัลแวร์นอกจากนี้ยังมีการพัฒนาอย่างรวดเร็วเทคนิคที่นำมาใช้สำหรับการติดเชื้อที่ตกเป็นเหยื่อและหลบซ่อนตัวอยู่ในธรรมชาติที่เป็นอันตรายของพวกเขาเพื่อการสแกนมัลแวร์ จากโทรจันที่ SMS ไปที่การใช้งานที่ถูกต้องตามกฎหมาย repacked กับน้ำหนักบรรทุกที่เป็นอันตรายจาก AES หาประโยชน์รากเข้ารหัสเพื่อโหลดแบบไดนามิกของน้ำหนักบรรทุกเรียกข้อมูลจากเซิร์ฟเวอร์ระยะไกล: รหัสที่เป็นอันตรายมีมากขึ้นและมากขึ้นยากที่จะตรวจสอบ. ในบทความนี้เราทดลองประเมินทั้งสองเทคนิคสำหรับการตรวจสอบ มัลแวร์ Android: ครั้งแรกหนึ่งจะขึ้นอยู่กับที่ซ่อนมาร์คอฟรุ่นในขณะที่คนที่สองใช้ประโยชน์จากโครงสร้างเอนโทรปี สองคนนี้เป็นเทคนิคที่ได้รับการใช้ประสบความสำเร็จในการตรวจสอบไวรัสเครื่องคอมพิวเตอร์ในการทำงานก่อนหน้านี้และเพียงหนึ่งการทำงานในวรรณคดีวิเคราะห์การประยุกต์ใช้อืมในการตรวจจับมัลแวร์ที่ใช้ Android เราแสดงให้เห็นว่าวิธีการเหล่านี้ซึ่งแสดงให้เห็นถึงประสิทธิภาพสำหรับไวรัสคอมพิวเตอร์นอกจากนี้ยังประสบความสำเร็จในการตรวจสอบและจำแนกประเภทมัลแวร์โทรศัพท์มือถือ. ผลของเรามีแนวโน้ม: เราได้รับความแม่นยำของการ 0.96 ที่จะแยกแยะเป็นโปรแกรมมัลแวร์และความแม่นยำของการ .978 เพื่อแจ้งครอบครัวมัลแวร์ .