Malware-Erkennung in Android-Systemen mit traditionellen Machine Learning-Modellen: Eine Übersicht

Aufgrund der erhöhten Anzahl mobiler Geräte sind sie in jeder Dimension unseres täglichen Lebens integriert. Um einige anspruchsvolle Programme auszuführen, muss ein leistungsfähiges Betriebssystem auf ihnen eingerichtet werden. Zweifellos ist Android das beliebteste mobile Betriebssystem der Welt. Es wird sowohl in Smartphones als auch in Tablets umfassend verwendet und ist quelloffen, was unter der Apache-Lizenz verteilt wird. Daher haben sich viele mobile Anwendungsentwickler auf diese Geräte konzentriert und ihre Produkte implementiert. In den letzten Jahren macht die Beliebtheit von Android-Geräten sie zu einem wünschenswerten Ziel für böswillige Angreifer. Besonders anspruchsvolle Angreifer konzentrieren sich auf die Implementierung von Android-Malware, die einige persönliche und sensible Daten ohne Zustimmung des Nutzers erlangen und/oder nutzen kann. Daher ist es wichtig, effektive Techniken zu entwickeln, um diese Bedrohungen zu analysieren und zu erkennen. In dieser Arbeit beabsichtigten wir, die Algorithmen zu analysieren, die bei der Malware-Erkennung verwendet werden, und eine vergleichende Analyse der Literatur durchzuführen. Mit dieser Studie soll eine umfassende Übersicht für Forscher bereitgestellt werden, die an der Malware-Erkennung arbeiten möchten.