logo móvil
Contáctanos

Detección de ransomware utilizando aprendizaje automático: una encuesta

Autores: Alraizza, Amjad; Algarni, Abdulmohsen

Idioma: Inglés

Editor: MDPI

Año: 2023

Descargar PDF

Acceso abierto

Artículo científico
2023

Detección de ransomware utilizando aprendizaje automático: una encuesta


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería de Sistemas

Palabras clave

Ransomware
Amenazas de seguridad
Métodos de identificación
Detección automatizada
Tendencias de investigación
Filtraciones de datos

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 45

Citaciones: Sin citaciones


Descripción
Los ataques de ransomware representan importantes amenazas de seguridad para los datos e información personal y corporativa. Los propietarios de recursos informáticos sufren violaciones de verificación y privacidad, pérdidas monetarias y daños reputacionales debido a los exitosos asaltos de ransomware. Por lo tanto, es crítico identificar de manera precisa y rápida el ransomware. Numerosos métodos han sido propuestos para identificar ransomware, cada uno con sus propias ventajas y desventajas. El objetivo principal de esta investigación es discutir las tendencias actuales y posibles debates futuros sobre la detección automatizada de ransomware. Este documento incluye una visión general del ransomware, una línea de tiempo de los asaltos y detalles sobre su origen. También proporciona una investigación exhaustiva sobre los métodos existentes para identificar, evitar, minimizar y recuperarse de los ataques de ransomware. Un análisis de estudios entre 2017 y 2022 es otra ventaja de esta investigación. Esto brinda a los lectores conocimientos actualizados sobre los desarrollos más recientes en la detección de ransomware y destaca los avances en los métodos para combatir los ataques de ransomware. En conclusión, esta investigación destaca preocupaciones sin respuesta y posibles desafíos de investigación en la detección de ransomware.

Otros recursos que podrían interesarte

Temas Virtualpro