Use este identificador para citar ou linkar para este item: http://repositorio.ufc.br/handle/riufc/71549
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorRabêlo Filho, Roberto Cabral-
dc.contributor.authorSilva, João Marcelo Ravache Fernandes da-
dc.date.accessioned2023-04-03T18:01:41Z-
dc.date.available2023-04-03T18:01:41Z-
dc.date.issued2022-
dc.identifier.citationSILVA, João Marcelo Ravache Fernandes da. Classificador de malwares em aplicativos android através de redes neurais recorrentes. 2022. 36 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação)-Universidade Federal do Ceará, Campus de Quixadá, Quixadá, 2022.pt_BR
dc.identifier.urihttp://www.repositorio.ufc.br/handle/riufc/71549-
dc.description.abstractIn 2019, the number of malware attacks on Android devices increased significantly due to the growth in the number of Android devices in use worldwide. It is estimated that the number of attacks has doubled compared to 2018. To deal with this problem, an LSTM recurrent neural network model was developed, which uses API calls from applications as input to classify possible malware. The results showed that the model obtained an excellent result for the static analysis approach with API calls, achieving accuracy and a precision of 96,45% e 97,63%, respectively.pt_BR
dc.language.isopt_BRpt_BR
dc.subjectRede neural recorrentept_BR
dc.subjectMalwarept_BR
dc.subjectAndroid (Programa de computador)pt_BR
dc.titleClassificador de malwares em aplicativos android através de redes neurais recorrentespt_BR
dc.typeTCCpt_BR
dc.description.abstract-ptbrEm 2019, o número de ataques de malwares aos dispositivos Android aumentou significativamente, devido ao crescimento da quantidade de aparelhos Android em uso no mundo. Estima-se que o número de ataques dobrou em relação a 2018. Para lidar com esse problema, foi desenvolvido um modelo de rede neural recorrente LSTM, que usa as chamadas de API dos aplicativos como entrada para classificar possíveis malwares. Os resultados mostraram que o modelo obteve um ótimo resultado para a abordagem de análise estática com as chamadas de API, onde obteve-se uma acurácia e precisão de 96,45% e 97,63%, respectivamente.pt_BR
Aparece nas coleções:CIÊNCIA DA COMPUTAÇÃO-QUIXADÁ - Monografias

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2022_tcc_jmrfsilva.pdf786,18 kBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.