توضیحات

• اصل مقاله انگلیسی را می توانید پس از خرید به همراه فایل های ترجمه دانلود کنید (لینک به اصل مقاله در این پست قرار داده شده است).
• متن کامل ترجمه پس از خرید قابل دانلود است، همچنین فایل ترجمه پس از اتمام خرید به صورت خودکار از سمت سرور به ایمیل شما نیز ارسال می شود، از آنجایی که ایمیل از سمت سرور و با نام سایت ارسال می شود، به همین دلیل ممکن است به عنوان ایمیل تبلیغاتی در نظر گرفته شده و در قسمت Spam (هرزنامه) ایمیل شما قرار گیرد، پس لطفا قسمت Spam (هرزنامه) ایمیل خود را نیز چک کنید.
• توجه: چنانچه پس از خرید طی دو ساعت ترجمه به ایمیل شما ارسال نشد، با ایمیل پشتیبانی تماس بگیرید تا ما در اسرع وقت به موضوع رسیدگی کنیم.

———————————————————————

مشخصات مقاله انگلیسی:

ترجمه عنوان مقاله: یک روش تشخیص بدافزار تلفن همراه با استفاده از ویژگی‌های رفتاری در ترافیک شبکه

عنوان انگلیسی مقاله: A mobile malware detection method using behavior features in network traffic

نام ژورنال: Journal of Network and Computer Applications

نام ناشر: Elsevier

سال انتشار: ۲۰۱۸

تعداد صفحات مقاله انگلیسی: ۳۰ صفحه

لینک مقاله انگلیسی

مشخصات ترجمه مقاله:

زمان صرف شده برای ترجمه: ۴۰ ساعت مفید

تعداد صفحات مقاله ترجمه شده: ۳۱ صفحه (در قالب فایل word و pdf)

ترجمه چکیده مقاله:

اندروید به علت متن‌باز بودن و انعطاف‌پذیری آن به یکی از محبوب‌ترین بسترهای تلفن همراه تبدیل شده است. در عین حال، اندروید همچنین به هدف اصلی حجم عظیمی از بدافزارهای تلفن همراه نیز تبدیل شده است. این پدیده باعث ایجاد نیاز شدیدی به روش‌های تشخیص بدافزار می‌شود. ما در این مقاله، چارچوب سبکی برای شناسایی بدافزار اندروید را ارائه می‌دهیم. ترافیک شبکه‌ی تولید شده توسط برنامه‌ی کاربردی (اپلیکیشن) تلفن همراه از نقطه‌ی دسترسی بی‌سیم به منظور تحلیل داده‌ها به سرور ارسال می‌شود. تمام مراحل تحلیل و تشخیص بدافزار در سمت سرور انجام می‌شود، تا بدون اینکه بر تجربه کاربر تاثیری بگذارد، حداقل منابع بر روی دستگاه تلفن همراه مصرف شود. به دلیل دشوار بودن شناسایی رفتارهای مختلف و مخرب بدافزار از روی ترافیک شبکه، روش ما یک تحلیل چند-سطحی از ترافیک شبکه انجام می‌دهد، و ویژگی‌های زیادی را تا جایی که نیاز است از روی ترافیک شبکه جمع‌آوری می‌کند. روش پیشنهادی، تحلیل ترافیک شبکه را با الگوریتم یادگیری ماشین (C4.5) ترکیب می‌کند و قادر است شناسایی بدافزار اندروید را با دقت بالایی انجام دهد. در یک ارزیابی با تعداد ۸٫۳۱۲ برنامه‌ی بی‌خطر و ۵٫۵۶۰ نمونه‌ی بدافزار، روش ما عملکرد بهتری نسبت به سایر  رویکردهای پیشرفته دارد، و به ویژه در هنگام ترکیب دو روش تشخیص، روش پیشنهادی ما به نرخ تشخیصی برابر با ۹۷٫۸۹% می‌رسد. علاوه بر این، برای مصلحت کاربر، این چارچوب پیشنهادی نه تنها نتایج تشخیص نهایی را نمایش می‌دهد، بلکه همچنین دلایل پشت پرده‌ی نتایج مخرب را نیز تحلیل می‌کند. شرح نتایج باعث آشکار شدن درک عظیمی از مشخصات رفتاری بدافزار تلفن همراه می‌شود.      

کلمات کلیدی:تشخیص بدافزار اندروید، ترافیک شبکه، یادگیری ماشین.

برای مشاهده نمونه کار می توانید به این صفحه مراجعه کنید.

مقالات مرتبط دیگری در این زمینه را می توانید در صفحه “مقالات امنیت شبکه” و “مقالات شبکه” بیابید.