şÝşÝߣshows by User: youssrachaib / http://www.slideshare.net/images/logo.gif şÝşÝߣshows by User: youssrachaib / Sat, 06 Jun 2015 11:35:12 GMT şÝşÝߣShare feed for şÝşÝߣshows by User: youssrachaib ACDM approche detection malware https://fr.slideshare.net/slideshow/acdm-approche-detection-malware/49066995 acdmapprochedetectionmalware-150606113512-lva1-app6891
L'environnement Android est devenu le système d’exploitation de première importance pour un nombre considérable d’équipements, notamment les smartphones et les tablettes ainsi que des équipements futurs. Cet environnement offre aux usagers une multitude d’applications à télécharger depuis le market officiel fourni par Google ou des Market alternatifs. Ces applications peuvent être de toutes sortes afin de divertir ou d’aider les usagers. Le comportement de ces applications et leur impact sur les données personnelles (les conteurs des SMS ; des MMS, des mails, le journal d’appel, les identifiants des comptes utilisateurs, les détails des contacts et les informations stockées par les applications) des usagers, ainsi que les fonctions sensibles associées aux capteurs et la téléphonie, n’est pas vérifié par les fournisseurs de ces plateformes de téléchargement. Notre proposition basée sur l’analyse comportementale des applications qui a consisté à monitorer le comportement des applications dans un environnement de contrôle. Cette analyse, permet de continuer à renforcer la sécurité Android. Dans ce mémoire, nous proposons une nouvelle approche de détection des malwares. Dans un premier temps, nous appliquons le modèle d’apprentissage SVM. Puis, nous décrivons nos propres algorithmes, nommé ACDM, pour observer le comportement du programme. Enfin, Nous, il nous semblerait que les résultats de cette étude sont concluants expérimentalement.]]>
L'environnement Android est devenu le système d’exploitation de première importance pour un nombre considérable d’équipements, notamment les smartphones et les tablettes ainsi que des équipements futurs. Cet environnement offre aux usagers une multitude d’applications à télécharger depuis le market officiel fourni par Google ou des Market alternatifs. Ces applications peuvent être de toutes sortes afin de divertir ou d’aider les usagers. Le comportement de ces applications et leur impact sur les données personnelles (les conteurs des SMS ; des MMS, des mails, le journal d’appel, les identifiants des comptes utilisateurs, les détails des contacts et les informations stockées par les applications) des usagers, ainsi que les fonctions sensibles associées aux capteurs et la téléphonie, n’est pas vérifié par les fournisseurs de ces plateformes de téléchargement. Notre proposition basée sur l’analyse comportementale des applications qui a consisté à monitorer le comportement des applications dans un environnement de contrôle. Cette analyse, permet de continuer à renforcer la sécurité Android. Dans ce mémoire, nous proposons une nouvelle approche de détection des malwares. Dans un premier temps, nous appliquons le modèle d’apprentissage SVM. Puis, nous décrivons nos propres algorithmes, nommé ACDM, pour observer le comportement du programme. Enfin, Nous, il nous semblerait que les résultats de cette étude sont concluants expérimentalement.]]> Sat, 06 Jun 2015 11:35:12 GMT https://fr.slideshare.net/slideshow/acdm-approche-detection-malware/49066995 youssrachaib@slideshare.net(youssrachaib) ACDM approche detection malware youssrachaib L'environnement Android est devenu le système d’exploitation de première importance pour un nombre considérable d’équipements, notamment les smartphones et les tablettes ainsi que des équipements futurs. Cet environnement offre aux usagers une multitude d’applications à télécharger depuis le market officiel fourni par Google ou des Market alternatifs. Ces applications peuvent être de toutes sortes afin de divertir ou d’aider les usagers. Le comportement de ces applications et leur impact sur les données personnelles (les conteurs des SMS ; des MMS, des mails, le journal d’appel, les identifiants des comptes utilisateurs, les détails des contacts et les informations stockées par les applications) des usagers, ainsi que les fonctions sensibles associées aux capteurs et la téléphonie, n’est pas vérifié par les fournisseurs de ces plateformes de téléchargement. Notre proposition basée sur l’analyse comportementale des applications qui a consisté à monitorer le comportement des applications dans un environnement de contrôle. Cette analyse, permet de continuer à renforcer la sécurité Android. Dans ce mémoire, nous proposons une nouvelle approche de détection des malwares. Dans un premier temps, nous appliquons le modèle d’apprentissage SVM. Puis, nous décrivons nos propres algorithmes, nommé ACDM, pour observer le comportement du programme. Enfin, Nous, il nous semblerait que les résultats de cette étude sont concluants expérimentalement. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/acdmapprochedetectionmalware-150606113512-lva1-app6891-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> L&#39;environnement Android est devenu le système d’exploitation de première importance pour un nombre considérable d’équipements, notamment les smartphones et les tablettes ainsi que des équipements futurs. Cet environnement offre aux usagers une multitude d’applications à télécharger depuis le market officiel fourni par Google ou des Market alternatifs. Ces applications peuvent être de toutes sortes afin de divertir ou d’aider les usagers. Le comportement de ces applications et leur impact sur les données personnelles (les conteurs des SMS ; des MMS, des mails, le journal d’appel, les identifiants des comptes utilisateurs, les détails des contacts et les informations stockées par les applications) des usagers, ainsi que les fonctions sensibles associées aux capteurs et la téléphonie, n’est pas vérifié par les fournisseurs de ces plateformes de téléchargement. Notre proposition basée sur l’analyse comportementale des applications qui a consisté à monitorer le comportement des applications dans un environnement de contrôle. Cette analyse, permet de continuer à renforcer la sécurité Android. Dans ce mémoire, nous proposons une nouvelle approche de détection des malwares. Dans un premier temps, nous appliquons le modèle d’apprentissage SVM. Puis, nous décrivons nos propres algorithmes, nommé ACDM, pour observer le comportement du programme. Enfin, Nous, il nous semblerait que les résultats de cette étude sont concluants expérimentalement.
from youssra chaib
]]> 1477 8 https://cdn.slidesharecdn.com/ss_thumbnails/acdmapprochedetectionmalware-150606113512-lva1-app6891-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 https://cdn.slidesharecdn.com/profile-photo-youssrachaib-48x48.jpg?cb=1433590549