Defending Malicious Script Attacks Using Machine Learning Classifiers
المؤلفون المشاركون
Khan, Nayeem
Abdullah, Johari
Khan, Adnan Shahid
المصدر
Wireless Communications and Mobile Computing
العدد
المجلد 2017، العدد 2017 (31 ديسمبر/كانون الأول 2017)، ص ص. 1-9، 9ص.
الناشر
Hindawi Publishing Corporation
تاريخ النشر
2017-02-07
دولة النشر
مصر
عدد الصفحات
9
التخصصات الرئيسية
تكنولوجيا المعلومات وعلم الحاسوب
الملخص EN
The web application has become a primary target for cyber criminals by injecting malware especially JavaScript to perform malicious activities for impersonation.
Thus, it becomes an imperative to detect such malicious code in real time before any malicious activity is performed.
This study proposes an efficient method of detecting previously unknown malicious java scripts using an interceptor at the client side by classifying the key features of the malicious code.
Feature subset was obtained by using wrapper method for dimensionality reduction.
Supervised machine learning classifiers were used on the dataset for achieving high accuracy.
Experimental results show that our method can efficiently classify malicious code from benign code with promising results.
نمط استشهاد جمعية علماء النفس الأمريكية (APA)
Khan, Nayeem& Abdullah, Johari& Khan, Adnan Shahid. 2017. Defending Malicious Script Attacks Using Machine Learning Classifiers. Wireless Communications and Mobile Computing،Vol. 2017, no. 2017, pp.1-9.
https://search.emarefa.net/detail/BIM-1205952
نمط استشهاد الجمعية الأمريكية للغات الحديثة (MLA)
Khan, Nayeem…[et al.]. Defending Malicious Script Attacks Using Machine Learning Classifiers. Wireless Communications and Mobile Computing No. 2017 (2017), pp.1-9.
https://search.emarefa.net/detail/BIM-1205952
نمط استشهاد الجمعية الطبية الأمريكية (AMA)
Khan, Nayeem& Abdullah, Johari& Khan, Adnan Shahid. Defending Malicious Script Attacks Using Machine Learning Classifiers. Wireless Communications and Mobile Computing. 2017. Vol. 2017, no. 2017, pp.1-9.
https://search.emarefa.net/detail/BIM-1205952
نوع البيانات
مقالات
لغة النص
الإنجليزية
الملاحظات
Includes bibliographical references
رقم السجل
BIM-1205952
قاعدة معامل التأثير والاستشهادات المرجعية العربي "ارسيف Arcif"
أضخم قاعدة بيانات عربية للاستشهادات المرجعية للمجلات العلمية المحكمة الصادرة في العالم العربي
تقوم هذه الخدمة بالتحقق من التشابه أو الانتحال في الأبحاث والمقالات العلمية والأطروحات الجامعية والكتب والأبحاث باللغة العربية، وتحديد درجة التشابه أو أصالة الأعمال البحثية وحماية ملكيتها الفكرية. تعرف اكثر