Key points are not available for this paper at this time.
لقد ساهمت الطبيعة مفتوحة المصدر لنظام أندرويد في النمو السريع للمنصة واعتمادها على نطاق واسع. ومع ذلك، فإن هذا الاعتماد الواسع على نظام تشغيل أندرويد (OS) قد جذب أيضًا انتباه الجهات الخبيثة التي تطور برمجيات خبيثة تستهدف هذه الأجهزة. تهدد البرمجيات الخبيثة على أندرويد خصوصية المستخدمين وأمان بياناتهم وأداء الأجهزة بشكل عام. يلعب التعلم الآلي (ML) دورًا مهمًا في تحليل البرمجيات الخبيثة وكشفها لأنه يمكن أن يعالج كميات ضخمة من البيانات، ويحدد أنماطًا معقدة، ويتكيف مع التهديدات المتغيرة. الغرض من هذه الورقة هو تقديم مراجعة شاملة للأبحاث الموجودة حول التقنيات المعتمدة على ML المستخدمة لكشف وتحليل البرمجيات الخبيثة على أندرويد. في هذه الورقة، يتم استكشاف نقاط الضعف الأمنية في نظام تشغيل أندرويد ومناقشة الأسباب التي تجعل هذه الضعف غير موجودة في نظام تشغيل آيفون (iOS). علاوة على ذلك، يبحث المؤلفون الدراسات الموجودة التي اقترحها الباحثون ويفصلون نقاط قوتها وقيودها. تكشف النتائج أن الأبحاث الحالية تستخدم نماذج مختلفة من ML، وميزات، وتقنيات كشف، بما في ذلك الطرق الثابتة، والديناميكية، والمختلطة. علاوة على ذلك، يتم تسليط الضوء على الاتجاهات للبحوث المستقبلية والمجالات المحتملة التي تتطلب المزيد من الاهتمام والتحسين في هذا المجال.
دراسة Altaha وآخرون (Mon,) هذا السؤال.