檢索結果:共11筆資料 檢索策略: cdept.raw="資訊工程系" and cdept.raw="資訊工程系" and ckeyword.raw="靜態分析"
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
隨著數位世界的快速發展,惡意軟體已成為網路安全上的重大威脅。在惡意軟體檢測中,機器學習扮演著關鍵的角色。然而,攻擊者持續不斷地尋找建立對抗性樣本以繞過檢測器的方法,這使得惡意軟體檢測器的穩健性成為一…
2
3
4
為了識別現在非常流行且有重大危害的物聯網惡意軟體,許多針對惡意軟體的檢測方法被提了出來,但現有許多檢測方法並不是以實際惡意程式存在的區段進行判別,而只學習到惡意程式與正常程式的差異,並不是非常有價值…
5
因物聯網(Internet of Things; IoT)設備的操作功能相當單一,使得物聯網容易遭受到惡意程式的攻擊。為了了解物聯網惡意程式的行為以減緩攻擊,使用靜態分析惡意程式的原始碼是一種可行的…
6
在這個網路快速發展的時代,物聯網(IoT)的安全考量受到研究和商業領域的關注。由於計算資源有限、不友好的介面以及較差的軟體操作,舊式物聯網設備便容易被許多有名的惡意軟體攻擊。此外,物聯網平台的異構性…
7
惡意軟體在物聯網的資安問題上一直是最重要的威脅之一.最近的研究表示基於機器學習的靜態惡意軟體檢測器在面對未知的惡意軟體有著非常強力的檢測效果.其中,利用control flow graph (CFG…
8
拜智慧型手機發展之賜,Android系統以及相關App的擴展數量相當快速,提供人們在行動通訊上的便利性,但也因為結合傳統手機功能,惡意程式可以在使用者不知道的情況下,擅自寄送簡訊訂閱服務,造成使用者…
9
隨著Android應用程式逆向工程技術的成熟,Android惡意程式在重新包裝後散播於Android應用程式市場,如此增加了Android使用者的威脅性。然而,這些被駭客重新包裝後的Android惡…
10
在物聯網快速發展的時代,惡意軟體威脅不斷增加,已成為一個重要的資訊安全問題。攻擊者利用加殼技術來規避惡意軟體檢測器的檢測,使得逆向工具難以分析加殼樣本。然而,即使這些工具成功破殼樣本,結果也不一定準…