Ataki na urządzenia mobilne i metody ich wykrywania
1
kierownik Zespołu Złożonych Systemów,
Instytut Automatyki i Informatyki Stosowanej, Wydział Elektroniki i Technik Informacyjnych,
Politechnika Warszawska
2
Wydział Elektroniki i Technik Informacyjnych, Politechnika Warszawska
Data publikacji: 20-02-2023
Cybersecurity and Law 2023;9(1):95-107
SŁOWA KLUCZOWE
cybersecuritycyberattack detectionmobile applicationsartificialintelligencemachine learningartificial neural networksdeep learning
STRESZCZENIE
Individual protection of autonomous systems using simple analysis of transmitted
messages is unfortunately becoming insufficient. There is a clear need for new
solutions using data from multiple sources, integrating various methods, mechanisms
and algorithms, including Big Data processing and data classification techniques using
artificial intelligence methods. The quantity, quality, reliability and timeliness of data and
information about the network situation, as well as the speed of its processing, determine
the effectiveness of protection. The paper presents examples of the application
of various artificial intelligence techniques for detecting attacks on ICT systems. Attention
is focused on the application of deep learning methods for the detection of malicious applications installed on mobile devices. The effectiveness of the presented solutions
was confirmed by numerous simulation experiments conducted on real data. Promising
results were obtained.
REFERENCJE (18)
2.
Arshad S., Khan A., Mansoor A., Shah M., Android Malware Detection and Protection: A Survey, „International Journal of Advanced Computer Science and Applications” 2016, t. 7, nr 2.
3.
Gupta N., Chatterjee P., Choudhury T., Smart and Sustainable Intelligent Systems, 2021, Scrivener Publishing LLC, Wiley Online Library.
4.
Khraisat A. i in., Survey of Intrusion Detection Systems: Techniques, Datasets and Challenges, „Cybersecurity” 2019, t. 2, nr 20.
5.
Krajobraz bezpieczeństwa polskiego Internetu. Raport roczny z działalności CERT Polska 2021, Warszawa 2022.
6.
Litka R., Detekcja złośliwych aplikacji na urządzenia mobilne z wykorzystaniem uczenia maszynowego, Warszawa 2021.
8.
Neshenko N. i in., Demystifying IoT Security: An Exhaustive Survey on IoT Vulnerabilities and a First Empirical Look on Internet-Scale IoT Exploitations, „IEEE Communications Surveys & Tutorials” 2019, t. 21, nr 3.
9.
Ren Z. i in., End-to-End Malware Detection for Android IoT Devices Using Deep Learning, „Ad Hoc Networks” 2020, t. 101.
10.
Rodríguez E. i in., A Survey of Deep Learning Techniques for Cybersecurity in Mobile Networks, „IEEE Communications Surveys & Tutorials” 2021, t. 23, nr 3.
11.
Shishkova T., Kivva A., Mobile malware evolution 2021, 21 Feb 2022, https://securelist.com/mobile-... [dostęp: 10.01.2023].
12.
Szynkiewicz P., Kozakiewicz A., Design and Evaluation of a System for Network Threat Signatures Generation, „Journal of Computational Science” 2017, t. 22.
13.
Uddin M. i in., Signature-based Multi-Layer Distributed Intrusion Detection System Using Mobile Agents, „International Journal of Network Security” 2013, nr 15, s. 97–105.
14.
Usman M. i in., A Survey on Representation Learning Efforts in Cybersecurity Domain, „ACM Computing Surveys” 2019, t. 52.
15.
Wang W., Wuy W., Online Detection of Network Traffic Anomalies Using Degree Distributions, „International Journal of Communications, Network and System Sciences” 2010, nr 3, s. 177–182.
16.
Zhang Z. i in., Artificial Intelligence in Cyber Security: Research Advances, Challenges, and Opportunities, „Artificial Intelligence Review” 2022, t. 55.
17.
Zhou H. i in., A Worm Detection System Based on Deep Learning, „IEEE Access” 2020, t. 8.
18.
Zhuge Yu M. i in., A Survey of Security Vulnerability Analysis, Discovery, Detection, and Mitigation on IoT Devices, „Future Internet” 2020, t. 12, nr 2.
Udostępnij
ARTYKUŁ POWIĄZANY
| ISSN: | 2658-1493 |
Przetwarzamy dane osobowe zbierane podczas odwiedzania serwisu. Realizacja funkcji pozyskiwania informacji o użytkownikach i ich zachowaniu odbywa się poprzez dobrowolnie wprowadzone w formularzach informacje oraz zapisywanie w urządzeniach końcowych plików cookies (tzw. ciasteczka). Dane, w tym pliki cookies, wykorzystywane są w celu realizacji usług, zapewnienia wygodnego korzystania ze strony oraz w celu monitorowania ruchu zgodnie z Polityką prywatności. Dane są także zbierane i przetwarzane przez narzędzie Google Analytics (więcej).
Możesz zmienić ustawienia cookies w swojej przeglądarce. Ograniczenie stosowania plików cookies w konfiguracji przeglądarki może wpłynąć na niektóre funkcjonalności dostępne na stronie.
Możesz zmienić ustawienia cookies w swojej przeglądarce. Ograniczenie stosowania plików cookies w konfiguracji przeglądarki może wpłynąć na niektóre funkcjonalności dostępne na stronie.
