Ocena:
Książka stanowi kompleksowy przewodnik po inżynierii wstecznej i wykrywaniu złośliwego oprogramowania dla systemu Android, odpowiedni zarówno dla początkujących, jak i doświadczonych profesjonalistów. Obejmuje najważniejsze tematy, w tym kategorie złośliwego oprogramowania, analizę statyczną i dynamiczną, a także stosuje techniki uczenia maszynowego do wykrywania.
Zalety:⬤ Holistyczne podejście do nauki o złośliwym oprogramowaniu na Androida, odpowiednie zarówno dla początkujących, jak i doświadczonych użytkowników
⬤ dobrze uporządkowane informacje na temat kategorii złośliwego oprogramowania
⬤ praktyczne rozdziały na temat analizy statycznej i dynamicznej
⬤ wyważone treści teoretyczne na temat uczenia maszynowego
⬤ dostępne dla czytelników bez rozległego doświadczenia w tej dziedzinie.
Niektórzy czytelnicy mogą uznać materiał teoretyczny dotyczący uczenia maszynowego za trudny do przyswojenia bez wcześniejszej wiedzy. Ograniczona głębia niektórych zaawansowanych tematów, ponieważ pojedyncza książka nie może obejmować wszystkiego.
(na podstawie 3 opinii czytelników)
The Android Malware Handbook: Detection and Analysis by Human and Machine
Napisany przez badaczy zajmujących się uczeniem maszynowym i członków zespołu Android Security, ten wszechstronny przewodnik zajmuje się analizą i wykrywaniem złośliwego oprogramowania atakującego system operacyjny Android.
Ten kompleksowy przewodnik po złośliwym oprogramowaniu dla systemu Android przedstawia aktualne zagrożenia, przed którymi stoi najczęściej używany system operacyjny na świecie. Po zapoznaniu się z historią ataków obserwowanych na wolności od czasu pierwszego uruchomienia Androida, w tym z kilkoma rodzinami złośliwego oprogramowania wcześniej nieobecnymi w literaturze, przećwiczysz statyczne i dynamiczne podejścia do analizy prawdziwych próbek złośliwego oprogramowania. Następnie przeanalizujesz techniki uczenia maszynowego wykorzystywane do wykrywania złośliwych aplikacji, rodzaje modeli klasyfikacji, z których mogą korzystać obrońcy, oraz różne cechy próbek złośliwego oprogramowania, które mogą stać się danymi wejściowymi dla tych modeli. Następnie dostosujesz te strategie uczenia maszynowego do identyfikacji kategorii złośliwego oprogramowania, takich jak trojany bankowe, oprogramowanie ransomware i oszustwa SMS.
Dowiesz się:
⬤ Jak historyczne złośliwe oprogramowanie na Androida może poprawić zrozumienie bieżących zagrożeń.
⬤ Jak ręcznie identyfikować i analizować bieżące złośliwe oprogramowanie na Androida przy użyciu statycznych i dynamicznych narzędzi do inżynierii wstecznej.
⬤ Jak algorytmy uczenia maszynowego mogą analizować tysiące aplikacji w celu wykrywania złośliwego oprogramowania na dużą skalę.