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
—