Andere Kunden interessierten sich auch für
![Modello di rilevamento per gli attacchi informatici-Applicazione del Data Mining]( "Modello di rilevamento per gli attacchi informatici-Applicazione del Data Mining")
Modello di rilevamento per gli attacchi informatici-Applicazione del Data Mining26,99 €![Miglioramento della sicurezza nel sistema di riconoscimento dell'iride tramite il rilevamento della lucentezza]( "Miglioramento della sicurezza nel sistema di riconoscimento dell'iride tramite il rilevamento della lucentezza")
Miglioramento della sicurezza nel sistema di riconoscimento dell'iride tramite il rilevamento della lucentezza36,99 €![DeepCOPD: rilevamento della BPCO tramite deep learning]( "DeepCOPD: rilevamento della BPCO tramite deep learning")
DeepCOPD: rilevamento della BPCO tramite deep learning29,99 €![Rilevamento e classificazione dei tumori polmonari]( "Rilevamento e classificazione dei tumori polmonari")
Rilevamento e classificazione dei tumori polmonari26,99 €![Rilevamento della lingua dei segni tramite il deep learning]( "Rilevamento della lingua dei segni tramite il deep learning")
Rilevamento della lingua dei segni tramite il deep learning29,99 €![Approccio ibrido di data mining per la classificazione dei testi]( "Approccio ibrido di data mining per la classificazione dei testi")
Approccio ibrido di data mining per la classificazione dei testi23,99 €![Analisi comparativa delle tecniche di rilevamento del malware]( "Analisi comparativa delle tecniche di rilevamento del malware")
Analisi comparativa delle tecniche di rilevamento del malware26,99 €
I casi di malware sono in aumento sia in termini di numero che di mortalità. Gli hacker progettano il malware per compromettere la sicurezza dei sistemi, soprattutto la riservatezza, l'integrità e la disponibilità. Esistono tecniche di eliminazione del malware, ma il malware deve essere prima individuato. Le tecniche di rilevamento del malware presentano ancora punti deboli, con alti tassi di falsi positivi/negativi. L'emergenza del malware polimorfico ha peggiorato la situazione. Studi recenti hanno dimostrato che il data mining è promettente per identificare il malware analizzando le chiamate API. Tuttavia, in questo approccio, un file viene rilevato come dannoso o meno. Non viene classificato in base alla classe di malware a cui appartiene. Ciò rende più difficile la sua eliminazione, poiché gli schemi di eliminazione sono per lo più basati sulle classi. La classificazione come processo successivo al rilevamento è importante se si vuole eliminare il malware dal sistema. Sperimentiamo l'uso di un approccio di data mining per classificare il malware utilizzando le chiamate di sistema dell'API 4-gram. Utilizziamo i Portable Executables (PE) di Windows con le corrispondenti chiamate API. Utilizzando la sandbox Cuckoo. Le caratteristiche rilevanti delle chiamate API a 4 grammi vengono estratte utilizzando Term Frequency-Inverse Document Frequency (TF-IDF). Gli algoritmi di apprendimento automatico vengono quindi applicati per classificare il malware.