SciELO - Scientific Electronic Library Online

 
vol.15 número2PROCEDURES, METHODS AND/OR GOOD PRACTICES TO DESIGN PRIVATE CLOUDSOPTIMAL OVERHEAD DISTRIBUTION NETWORK PLANNING BASED GRAPH THEORY índice de autoresíndice de assuntospesquisa de artigos
Home Pagelista alfabética de periódicos  

Serviços Personalizados

Artigo

Indicadores

Links relacionados

  • Em processo de indexaçãoCitado por Google
  • Não possue artigos similaresSimilares em SciELO
  • Em processo de indexaçãoSimilares em Google

Compartilhar


Iteckne

versão impressa ISSN 1692-1798

Resumo

USECHE-PELAEZ, David Esteban; SEPULVEDA-ALZATE, Daniela; DIAZ-LOPEZ, Daniel Orlando  e  CABUYA-PADILLA, Diego Edison. CONSTRUCCIÓN DE CLASIFICADORES DE MALWARE PARA AGENCIAS DE SEGURIDAD DEL ESTADO. Iteckne [online]. 2018, vol.15, n.2, pp.107-121. ISSN 1692-1798.  http://dx.doi.org/10.15332/iteckne.v15i2.2072.

El sandboxing ha sido usado de manera regular para analizar muestras de software y determinar si estas contienen propiedades o comportamientos sospechosos. A pesar de que el sandboxing es una técnica poderosa para desarrollar análisis de malware, esta requiere que un analista de malware desarrolle un análisis riguroso de los resultados para determinar la naturaleza de la muestra: goodware o malware. Este artículo propone dos modelos de aprendizaje automáticos capaces de clasificar muestras con base a un análisis de firmas o permisos extraídos por medio de Cuckoo sandbox, Androguard y VirusTotal. En este artículo también se presenta una propuesta de arquitectura de centinela IoT que protege dispositivos IoT, usando uno de los modelos de aprendizaje automáticos desarrollados anteriormente. Finalmente, diferentes enfoques y perspectivas acerca del uso de sandboxing y aprendizaje automático por parte de agencias de seguridad del Estado también son aportados.

Palavras-chave : Cuckoo sandbox; ciencia de datos; aprendizaje de máquina; análisis de malware; sandboxing.

        · resumo em Inglês     · texto em Inglês     · Inglês ( pdf )