Adversarial Machine Learning Attacks vs Android Malware Detection Systems

Tesi Triennale Compilativa Unipg - DMI

Anno domini: 1308

Abstract

In questo documento andremo ad analizzare vari esempi, presenti in letteratura, di attacchi effettuati a sistemi di Malware Detection per Android tramite tecniche di Adversarial Machine Learning. Vedremo le principali metodologie per l’individuazione di Malware (Malware Detection System), sia quelle tradizionali che quelle baste su Machine Learning, evidenziandone i punti di forza e le debolezze. Esamineremo il concetto di Adversarial Machine Learning con le tipologie di attacco più comuni. Introdurremo il concetto di codice Malevolo (Malware) con alcuni cenni di storia, le varie forme che pu`o assumere ed alcune delle principali tecniche per la sua generazione. Parleremo anche del sistema operativo Android descrivendone l’architettura con i vari liv- elli che la compongono, la storia con le varie caratteristiche che lo hanno reso celebre e i suoi software principali: le App.

Credits

Autore:

• Nicolò Vescera

Relatori:

• Valentina Poggioni
• Alina Elena Baia