AndroPy工具 更新! DroidBox图像是固定的。 动态分析现在正在工作。 这是一个用于从Android APK中提取静态和动态功能的工具。 它结合了各种著名的Android应用程序分析工具,例如DroidBox,FlowDroid,Strace,AndroGuard或VirusTotal分析。 提供了包含APK文件的源目录,AndroPyTool应用了所有这些工具来执行静态,静态和动态分析,并生成JSON和CSV格式的功能文件,还允许将所有数据保存在MongoDB数据库中。 要获取更多信息,您可以阅读以下两篇文章: 马丁·A,拉拉·卡布雷拉·R和卡马乔·D(2018)。 信息融合。 DOI:10.1016 / j.inffus.2018.12.006 马丁·A,拉拉·卡布雷拉·R和卡马乔·D(2018)。 数据科学和知识工程中的传感决策支持(第509-516页)。 世
2022-09-27 11:16:36 259.53MB android-analysis android-malware-detection Python
1
Android-Malware-Detection Android恶意软件多重检测系统客户端
2022-05-12 12:32:53 333KB Java
1
自述文件 ENTD(加密的网络流量检测器)是一个Python 3程序,用于分析数据包捕获(pcap)并通过端口443(SSL / TLS)区分数据包中的良性和恶意流量。 当前支持的功能如下: 读取数据包捕获并提取服务器Hello信息 能够区分恶意流量和良性流量 用法 您可以将Python 3中的程序与 ./main.py -f "path/to/packet/capture/file.pcap" 例子 ./main.py -f "Sample PCAPs/malicious_packet.pcap" 要求 Python 3.6.1或更高版本 通过pip install dpkt 通过pip install mlxtend 通过pip install scikit-learn 通过pip install mysqlclient 问题 当前,由于密码套件,SVM显示超平面。 需要更多
2022-02-08 14:54:44 24.17MB python python3 malware-detection Python
1
本文讨论了使用机器学习进行恶意软件分类的方法,问题和解决方案。 可以相信,被释放的恶意软件的数量可能会超过权威软件的释放。 由于恶意软件每年都会变得越来越复杂,因此需要从传统方法转变为使系统自动学习。 这里的主要重点是研究机器学习方法以及它们的检测和分类问题。 说明了特征选择和高假阳性问题,并提出了解决方案。 然后将操作码,n-gram操作码,基于图像的分类技术进行比较。 这些方法将有助于清除恶意软件并将其分类到其家族中。 与常规操作码和基于图像的分类器相比,使用n-gram操作码分类时基于准确性的结果更好,但是使用集成方法结合了这两种方法的优点,例如,过拟合和FPR较低,最终结果显示出分类精度更高和提供总体上更好的恶意软件分类。
2021-10-30 22:03:57 1.01MB Machine Learning Malware Detection
1
Anderson-Bot-Vs-Bot-Evading-Machine-Learning-Malware-Detection
2021-08-21 13:01:27 770KB 互联网
flaskapp_malware-detection
2021-04-09 09:06:04 2.36MB CSS
1