Google透过机器学习 侦测与分类手机装置上的威胁
Google近日释出2017年度 Android资安报告，报告中指出，有60.3%的潜在有害的应用（Potentially Harmful Applications，PHAs），是透过机器学习技术检测出来的，Google Play Protect服务透过机器学习技术，实时在用户的装置上侦测可疑的恶意软件和新威胁。
早在2016年Google的资安检测系统就加入了机器学习技术，来协助侦测和分类行动装置上的威胁，从过去数十万个恶意活动学习，从去年开始，Google更加强了机器学习算法，加入了Google所有平台上的恶意活动知识和采用多个不同的技术，算法分析了上百个恶意活动的讯号，并且除了侦测活动之外，也开始追溯应用程序的来源和营利模式等。
甚至，Google透过深度神经网络建立新的侦测模型，将多个讯号和权重同时输入，模型会自动转译出潜在恶意软件和恶意软件的关联性，这个进展能够将相似的恶意软件分群，最后，再由资安专家人工审视结果，将确认过的信息放回Protect服务，如此一来，更能够透过相似性找出未知的威胁。 Protect服务在超过20亿台的设备上执行，检测和监控所有的恶意活动，每天自动审核超过500亿个应用，Google表示，去年该自动审核机制过滤了将近3,900万个可疑的恶意软件。
Google指出，Play Protect服务每天至少会自动执行一次检验Android设备有无潜在有害应用的任务，而用户也可行手动执行检验工作，而Google发现，过去将近35％的新恶意软件安装都是发生在装置脱机时，因此，为了解决这项问题，去年10月开始，该服务新增了脱机扫描的功能，成功地阻止了1千万个恶意软件。 此外，报告中也指出，相比从第三方来源下载应用的设备，只从Google Play下载应用的Android设备中，潜在的恶意软件少了9倍，由于Product服务可以在发现恶意软件后，从Play商店删除该恶意软件，因此，大幅地减少用户安装恶意软件的可能性。
文章出自：艺术设计学园地 http://cutking.com.tw/
转载于:https://my.oschina.net/u/3705430/blog/1636030
Google透过机器学习 侦测与分类手机装置上的威胁相关推荐
- Google更新机器学习开发套件ML Kit，新增支持自动回复与语言识别
https://www.toutiao.com/a6677743830109782539/ Google拓展了机器学习套件ML Kit的可应用情境,现在不仅提供图像辨识功能,开始加入自然语言处理,提供 ...
- epyc rome_使用Encog，ROME，JSoup和Google Guava进行博客分类
epyc rome 继续进行编程收集情报 ( Programming Collection Intelligence ,PCI),下一个练习是使用距离得分根据相关博客中使用的单词来确定博客列表. 我已 ...
- 使用Encog，ROME，JSoup和Google Guava进行博客分类
继续使用Programming Collection Intelligence (PCI),下一个练习是使用距离得分根据相关博客中使用的单词确定博客列表. 我已经找到Encog作为AI /机器学习算法 ...
- 机器学习的五大分类，监督学习 无监督学习 半监督学习 迁移学习 增强学习
机器学习的五大分类,监督学习 无监督学习 半监督学习 迁移学习 增强学习@监督学习 无监督学习 半监督学习 监督学习 在监督学习中,给定一组数据,我们知道正确的输出结果应该是什么样子,并且知道在输入和 ...
- 机器学习入门 - Google的机器学习速成课程
1 - MLCC 通过机器学习,可以有效地解读数据的潜在含义,甚至可以改变思考问题的方式,使用统计信息而非逻辑推理来处理问题. Google的机器学习速成课程(MLCC,machine-learnin ...
- 【机器学习】scikitLearn分类任务以mnist为例，训练二分类器并衡量性能指标：ROC及PR曲线
分类相关导航: [机器学习]分类任务以mnist为例,数据集准备及预处理 [机器学习]scikitLearn分类任务以mnist为例,训练二分类器并衡量性能指标:ROC及PR曲线 [机器学习]scik ...
- MIT透过机器学习技术用胺基酸预测蛋白质结构
来自麻省理工学院的研究团队近来透过机器学习技术,打造利用胺基酸链段预测蛋白质结构的模型,也就是能够理解个别胺基酸链段如何决定蛋白质功能,对于生物相关研究.药物开发.蛋白质设计和测试都是一大进展,未来, ...
- 基于机器学习的文本分类！
↑↑↑关注后"星标"Datawhale 每日干货 & 每月组队学习,不错过 Datawhale干货 作者:李露,西北工业大学,Datawhale优秀学习者 据不完全统计,网 ...
- Task03——零基础入门NLP - 基于机器学习的文本分类
学习目标 学会TF-IDF使用原理 使用sklearn的机器学习模型完成文本分类 文本表示方法 one-hot bag of words N-grams TF-IDF 基于机器学习的文本分类代码
最新文章
- 矩阵微积分的一些实用结论与推导
- %d 跟%i 的区别以及scanf和sscanf的用法
- php获取mysql所有表_PHP获取MySQL数据库里所有表的实现代码
- 直方图均衡 视觉显著_计算机视觉一些项目实战技术（续）
- 【java学习之路】（java SE篇）（练习）常用类和异常的简单练习
- DPDK - flow Haripin
- 三级数据库常考知识点强调
- 在线光纤网速测试软件,adsl网速测试(中国移动宽带专用测速软件)
- ——黑马程序员——OC中Foundation下NSFileManager的使用
- 机房搬迁实施规划方案
- BLE（12）—— 细说 Connection
- 三国志战略版：【满红杀手】名将卡包新武将_许攸分析
- Taro 3 正式版发布！京东推出开放式跨端跨框架方案，这些React、Nerv、Vue、jQuey都能支持上了！...
- 解决opencv imwrite()影像全黑
- typedef int()(int,int)
- 养老保险缴费率上调 谁来买单？
- ubuntu 16.04上radvd起不来
- 利用stm32+app inventor与esp8266通信
- 阵阵的挫败感，让我痛苦迷茫
- g楦和h楦的区别_填、堵、堵塞、塞、楦的区别_近义词词典_词林在线词典