Services on Demand
Journal
Article
Indicators
Cited by SciELO
Access statistics
Related links
Cited by Google
Similars in SciELO
Similars in Google
Share
Iteckne
Print version ISSN 1692-1798
Abstract
USECHE-PELAEZ, David Esteban; SEPULVEDA-ALZATE, Daniela; DIAZ-LOPEZ, Daniel Orlando and CABUYA-PADILLA, Diego Edison. CONSTRUCCIÓN DE CLASIFICADORES DE MALWARE PARA AGENCIAS DE SEGURIDAD DEL ESTADO. Iteckne [online]. 2018, vol.15, n.2, pp.107-121. ISSN 1692-1798. https://doi.org/10.15332/iteckne.v15i2.2072.
El sandboxing ha sido usado de manera regular para analizar muestras de software y determinar si estas contienen propiedades o comportamientos sospechosos. A pesar de que el sandboxing es una técnica poderosa para desarrollar análisis de malware, esta requiere que un analista de malware desarrolle un análisis riguroso de los resultados para determinar la naturaleza de la muestra: goodware o malware. Este artículo propone dos modelos de aprendizaje automáticos capaces de clasificar muestras con base a un análisis de firmas o permisos extraídos por medio de Cuckoo sandbox, Androguard y VirusTotal. En este artículo también se presenta una propuesta de arquitectura de centinela IoT que protege dispositivos IoT, usando uno de los modelos de aprendizaje automáticos desarrollados anteriormente. Finalmente, diferentes enfoques y perspectivas acerca del uso de sandboxing y aprendizaje automático por parte de agencias de seguridad del Estado también son aportados.
Keywords : Cuckoo sandbox; ciencia de datos; aprendizaje de máquina; análisis de malware; sandboxing.