Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Detection of Mobile Botnets using Neural Networks

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F70883521%3A28140%2F16%3A43875606" target="_blank" >RIV/70883521:28140/16:43875606 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=7821774" target="_blank" >http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=7821774</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/FTC.2016.7821774" target="_blank" >10.1109/FTC.2016.7821774</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Detection of Mobile Botnets using Neural Networks

  • Popis výsledku v původním jazyce

    This poster deals with botnets, the most dangerous kind of mobile malware, and their detection using neural networks. Unlike common mobile malware, botnets often have a complicated pattern of behavior because they are not managed by predictable algorithms but they are controlled by humans via command and control servers (C&C servers) or via peer-to-peer networks. However, they have certain common features which have been revealed by analysis of contemporary mobile botnets. These features have been used for creation of a neural network training set. Finally, the design of parallel architecture using neural network for useful detection of mobile botnets has been described.

  • Název v anglickém jazyce

    Detection of Mobile Botnets using Neural Networks

  • Popis výsledku anglicky

    This poster deals with botnets, the most dangerous kind of mobile malware, and their detection using neural networks. Unlike common mobile malware, botnets often have a complicated pattern of behavior because they are not managed by predictable algorithms but they are controlled by humans via command and control servers (C&C servers) or via peer-to-peer networks. However, they have certain common features which have been revealed by analysis of contemporary mobile botnets. These features have been used for creation of a neural network training set. Finally, the design of parallel architecture using neural network for useful detection of mobile botnets has been described.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2016

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Proceedings of the 2016 Future Technologies Conference (FTC)

  • ISBN

    978-1-5090-4171-8

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    3

  • Strana od-do

    1324-1326

  • Název nakladatele

    IEEE

  • Místo vydání

    New Jersey, Piscataway

  • Místo konání akce

    San Francisco

  • Datum konání akce

    6. 12. 2016

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku