Jove
Visualize
Contáctanos

Video Experimental Relacionado

Updated: Jan 7, 2026

Author Spotlight: AI-Driven Trypanosome Species Detection from Microscopic Images
08:20

Author Spotlight: AI-Driven Trypanosome Species Detection from Microscopic Images

Published on: October 27, 2023

2.4K

MaSS-Droid: Framework de Detección de Malware para Android Mediante Selección de Características Multicapa e

Zihao Zhang1,2, Qiang Han1,2, Zhichao Shi1,2

  • 1School of Computer Science and Engineering, North Minzu University, Yinchuan 750021, China.

Entropy (Basel, Switzerland)
|December 24, 2025
PubMed
Resumen
Este resumen es generado por máquina.

Videos de Conceptos Relacionados

Detection of Black Holes01:10

Detection of Black Holes

2.5K
Although black holes were theoretically postulated in the 1920s, they remained outside the domain of observational astronomy until the 1970s.
Their closest cousins are neutron stars, which are composed almost entirely of neutrons packed against each other, making them extremely dense. A neutron star has the same mass as the Sun but its diameter is only a few kilometers. Therefore, the escape velocity from their surface is close to the speed of light.
Not until the 1960s, when the first neutron...
2.5K

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

A survey on LLM-as-a-judge.

Innovation (Cambridge (Mass.))·2026
Same author

Chitosan nanoparticles as adjuvants to enhance the biodegradation of PET by Ideonella sakaiensis.

Applied microbiology and biotechnology·2026
Same author

Audio-frequency interferometry at the shot noise limit using an EOIM-based frequency-synthesized light.

Optics express·2026
Same author

Design and synthesis of c-Met/PARP dual-target inhibitors for the treatment of BRCA wild-type TNBC.

European journal of medicinal chemistry·2026
Same author

Loyalty-SMOTE: Data synthesis algorithm for effective imbalanced data classification.

Neural networks : the official journal of the International Neural Network Society·2026
Same author

Effects of glycosylation, phenolic-binding, pH, and ionic strength on the structural, emulsifying, and antioxidant properties of millet bran gliadin: Mechanism insights.

Food chemistry·2026
Same journal

Research on a Regional Availability Evaluation Model for Road-Area High-Entropy Energy Based on Synergy Factors.

Entropy (Basel, Switzerland)·2026
Same journal

Atmospheric Turbulence Channel Modeling and Performance Analysis of a CO-ZP-OFDM Coherent Optical Communication System for UAV Air-to-Ground Scenarios.

Entropy (Basel, Switzerland)·2026
Same journal

Information Geometry and Asymptotic Theory for SMML Estimators.

Entropy (Basel, Switzerland)·2026
Same journal

Correlation Entropy and Power-Law Kinetics.

Entropy (Basel, Switzerland)·2026
Same journal

Research on the Contagion of Systemic Financial Risk Under the Impact of Climate Risks-From the Perspective of Complex Networks and Machine Learning.

Entropy (Basel, Switzerland)·2026
Same journal

The Statistical-Mechanical Meaning of the Wave Function of Quantum Mechanics.

Entropy (Basel, Switzerland)·2026
Ver todos los artículos relacionados
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Este estudio presenta MaSS-Droid, un nuevo marco de detección de malware para Android. Mejora la seguridad al reducir la redundancia de características y mejorar la estabilidad y precisión del modelo para amenazas complejas.

Área de la Ciencia:

  • Ciencias de la Computación
  • Ciberseguridad
  • Aprendizaje Automático

Sus antecedentes:

  • El malware de Android es una amenaza creciente que desafía la seguridad del usuario.
  • La detección de malware se enfrenta a problemas de redundancia de características y rendimiento inestable de modelos individuales.

Objetivo del estudio:

  • Proponer MaSS-Droid, un marco para la detección robusta de malware de Android.
  • Abordar la redundancia de características y mejorar la generalización y estabilidad del modelo de conjunto.

Principales métodos:

  • Extracción de características de permisos, llamadas API y secuencias de opcodes de archivos APK.
  • Implementación de un mecanismo de selección de características de tres capas para reducir la redundancia y la complejidad.
  • Utilización de un método adaptativo de integración de apilamiento (Adaptive-Stacking) para ajustar dinámicamente los pesos del clasificador base.
Palabras clave:
detección de malware para Androidintegración de apilamientoselección de característicasanálisis estático

Videos de Experimentos Relacionados

Last Updated: Jan 7, 2026

Author Spotlight: AI-Driven Trypanosome Species Detection from Microscopic Images
08:20

Author Spotlight: AI-Driven Trypanosome Species Detection from Microscopic Images

Published on: October 27, 2023

2.4K

Principales resultados:

  • MaSS-Droid mitiga eficazmente el sobreajuste y mejora la generalización del modelo.
  • El marco reduce significativamente la redundancia de características, mejorando la precisión de la detección.
  • Demostró una mayor estabilidad y precisión general en la detección de diversas muestras de malware de Android.

Conclusiones:

  • MaSS-Droid ofrece una solución estable y precisa para la detección de malware de Android.
  • El marco propuesto aborda eficazmente los desafíos que plantean la redundancia de características y la inestabilidad del modelo.
  • La integración de apilamiento adaptativo demuestra ser crucial para un rendimiento superior del conjunto en el análisis de malware.