論文の概要: Android Security using NLP Techniques: A Review

• arxiv url: http://arxiv.org/abs/2107.03072v1
• Date: Wed, 7 Jul 2021 08:33:00 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-08 14:15:31.342575
• Title: Android Security using NLP Techniques: A Review
• Title（参考訳）: NLP技術を使用したAndroidセキュリティ: レビュー
• Authors: Sevil Sen and Burcu Can
• Abstract要約: Androidはアタッカーが最もターゲットとするプラットフォームの一つだ。 静的および動的解析に基づく従来のソリューションは進化してきた。 本研究は,この領域における最先端技術を示すことによって,今後の研究の方向性を探究することを目的としている。
• 参考スコア（独自算出の注目度）: 1.218340575383456
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Android is among the most targeted platform by attackers. While attackers are improving their techniques, traditional solutions based on static and dynamic analysis have been also evolving. In addition to the application code, Android applications have some metadata that could be useful for security analysis of applications. Unlike traditional application distribution mechanisms, Android applications are distributed centrally in mobile markets. Therefore, beside application packages, such markets contain app information provided by app developers and app users. The availability of such useful textual data together with the advancement in Natural Language Processing (NLP) that is used to process and understand textual data has encouraged researchers to investigate the use of NLP techniques in Android security. Especially, security solutions based on NLP have accelerated in the last 5 years and proven to be useful. This study reviews these proposals and aim to explore possible research directions for future studies by presenting state-of-the-art in this domain. We mainly focus on NLP-based solutions under four categories: description-to-behaviour fidelity, description generation, privacy and malware detection.
• Abstract（参考訳）: Androidはアタッカーが最もターゲットとするプラットフォームの一つだ。 攻撃者が技術を改善する一方で、静的および動的解析に基づく従来のソリューションも進化している。 アプリケーションコードに加えて、Androidアプリケーションにはいくつかのメタデータがあり、アプリケーションのセキュリティ分析に役立ちます。 従来のアプリケーション配布メカニズムとは異なり、androidアプリケーションはモバイル市場に一元的に配布される。 したがって、アプリケーションパッケージの横には、アプリ開発者やアプリユーザが提供するアプリ情報が含まれています。 テキストデータの処理と理解に使用される自然言語処理(NLP)の進歩とともに、このような有用なテキストデータの提供が可能になったことで、研究者はAndroidセキュリティにおけるNLP技術の使用について調査するに至った。 特に、NLPに基づくセキュリティソリューションは、過去5年間で加速しており、有用であることが証明されている。 本研究は,これらの提案を概観し,今後の研究の方向性を探究するものである。 主に、NLPベースのソリューションを4つのカテゴリに分類される: 記述から行動への忠実さ、記述生成、プライバシー、マルウェア検出。

関連論文リスト

• Mobile App Security Trends and Topics: An Examination of Questions From Stack Overflow [10.342268145364242]
  モバイルアプリのセキュリティに関する質問にはStack Overflowを使っています。 調査結果から,Stack Overflowはモバイルアプリのセキュリティ,特にAndroidアプリの支援を求める開発者にとって,主要なリソースであることが明らかになった。 この調査から得られた洞察は、リサーチとベンダーコミュニティによるツール、テクニック、リソースの開発に役立てることができる。
  論文  参考訳（メタデータ） (2024-09-12T10:45:45Z)
• Toward an Android Static Analysis Approach for Data Protection [7.785051236155595]
  この論文は,Androidアプリにおけるデータ保護の説明の必要性を動機付けている。 データ分析は、ソースコード内の個人データソースを認識する。 開発者はデータ操作やデータ操作に関する重要な質問に答えることができる。
  論文  参考訳（メタデータ） (2024-02-12T18:52:39Z)
• A Large-Scale Study on the Prevalence and Usage of TEE-based Features on Android [0.0]
  本研究は,暗号,デジタル著作権管理,生体認証,セキュアダイアログの重要領域に焦点を当てた。 170,550の人気のAndroidアプリの分析を通じて、私たちの分析は、TEE関連の機能の実装とそのコンテキスト使用法を照らす。
  論文  参考訳（メタデータ） (2023-11-17T13:29:16Z)
• GAIA Search: Hugging Face and Pyserini Interoperability for NLP Training Data Exploration [97.68234051078997]
  我々はPyseriniを、オープンソースのAIライブラリとアーティファクトのHugging Faceエコシステムに統合する方法について論じる。 Jupyter NotebookベースのウォークスルーがGitHubで公開されている。 GAIA Search - 前述した原則に従って構築された検索エンジンで、人気の高い4つの大規模テキストコレクションへのアクセスを提供する。
  論文  参考訳（メタデータ） (2023-06-02T12:09:59Z)
• An Empirical Study of AI Techniques in Mobile Applications [10.43634556488264]
  私たちは、AIアプリケーションに関する最も広範な実証的研究を行い、デバイス上でのMLアプリ、デバイス上でのDLアプリ、そしてAIサービスをサポートする(クラウドベースの)アプリを調査しました。 私たちの研究は、AIアプリ開発者、ユーザ、AI R&Dに強く影響しています。
  論文  参考訳（メタデータ） (2022-12-03T15:31:34Z)
• Why Should Adversarial Perturbations be Imperceptible? Rethink the Research Paradigm in Adversarial NLP [83.66405397421907]
  セキュリティシナリオにおけるテキスト敵検体の研究パラダイムを再考する。 最初に、セキュリティデータセットコレクションのAdvbenchを収集し、処理し、リリースします。 次に,現実の攻撃手法をシミュレートするために,現実の敵目標を容易に達成できるルールに基づく簡単な手法を提案する。
  論文  参考訳（メタデータ） (2022-10-19T15:53:36Z)
• Meta Learning for Natural Language Processing: A Survey [88.58260839196019]
  ディープラーニングは自然言語処理(NLP)分野において主要な技術である。 ディープラーニングには多くのラベル付きデータが必要です。 メタ学習は、より良いアルゴリズムを学ぶためのアプローチを研究する機械学習の分野である。
  論文  参考訳（メタデータ） (2022-05-03T13:58:38Z)
• FedNLP: A Research Platform for Federated Learning in Natural Language Processing [55.01246123092445]
  NLPのフェデレーションラーニングのための研究プラットフォームであるFedNLPを紹介します。 FedNLPは、テキスト分類、シーケンスタグ付け、質問応答、Seq2seq生成、言語モデリングなど、NLPで一般的なタスクの定式化をサポートしている。 FedNLPによる予備実験では、分散型データセットと集中型データセットの学習には大きなパフォーマンスギャップが存在することが明らかになった。
  論文  参考訳（メタデータ） (2021-04-18T11:04:49Z)
• Emerging App Issue Identification via Online Joint Sentiment-Topic Tracing [66.57888248681303]
  本稿では,MERITという新しい問題検出手法を提案する。 AOBSTモデルに基づいて、1つのアプリバージョンに対するユーザレビューに否定的に反映されたトピックを推測する。 Google PlayやAppleのApp Storeで人気のアプリに対する実験は、MERITの有効性を実証している。
  論文  参考訳（メタデータ） (2020-08-23T06:34:05Z)
• Mind the GAP: Security & Privacy Risks of Contact Tracing Apps [75.7995398006171]
  GoogleとAppleは共同で,Bluetooth Low Energyを使用した分散型コントラクトトレースアプリを実装するための公開通知APIを提供している。 実世界のシナリオでは、GAP設計は(i)プロファイリングに脆弱で、(ii)偽の連絡先を生成できるリレーベースのワームホール攻撃に弱いことを実証する。
  論文  参考訳（メタデータ） (2020-06-10T16:05:05Z)
• SeMA: Extending and Analyzing Storyboards to Develop Secure Android Apps [0.0]
  SeMAは、ストーリーボードのような既存のモバイルアプリデザインアーティファクトの上に構築された、モバイルアプリ開発方法論である。 SeMAの有効性を評価することで、Androidアプリで既知の49の脆弱性を検出し、防止することができる。
  論文  参考訳（メタデータ） (2020-01-27T20:10:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。