본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색
결과 내 검색 동의어 포함
결과 내 검색 동의어 포함

-

목차보기

목차 1

안드로이드 에뮬레이터 환경 탐지 기법 탐지 도구 ＝ A detection tool for detecting android emulator detection techniques / 김규호 ; 이수민 ; 홍지만 1

요약 1

Abstract 1

1. 서론 2

2. 구조 및 설계 2

2.1. Static Analyzer (정적 분석기) 2

2.2. Dynamic Analyzer (동적 분석기) 3

2.3. Branch Tracer (분기 추적기) 4

3. 실험 5

4. 결론 6

References 7

[저자소개] 7

권호기사

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 목차
뉴로-심볼릭 방법을 사용한 CCTV 감시의 시각적 질의응답 시스템 = A visual question-answering system for CCTV surveillance using a neuro-symbolic method 부석준, 조성배 p. 197-204

보기
KoBERT 기반의 통화내용 분석을 통한 보이스피싱 예방 서비스 개발 및 활용 = Development and utilization of voice phishing prevention service through KoBERT-based voice call analysis 양지훈, 이충훈, 김성백 p. 205-213

보기
확장 현실에서의 실시간 상호작용을 위한 장면 인식 프로젝션의 GPU 기반 가속화 방법 = A GPU-based acceleration method of the scene-aware projection for real-time interaction in extended reality 이찬혁, 박진아 p. 214-220

보기
안드로이드 에뮬레이터 환경 탐지 기법 탐지 도구 = A detection tool for detecting android emulator detection techniques 김규호, 이수민, 홍지만 p. 221-227

보기
도메인 특화 사전학습 언어모델 개발 전략 = Strategy to develop a domain-specific pre-trained language model : case of V-BERT, a language model for the automotive industry : 자동차 분야 언어모델 V-BERT 개발 사례 김윤하, 전윤수, 김준우, 김남규 p. 228-239

보기
실내 미세먼지 측정 개선을 위한 저가형 미세먼지 센서 보정 모델 = A calibration model for improving the performance of low-cost fine-dust sensors for measuring indoor particulate matter 안석호, 이승주, 이의종, 서영덕 p. 240-250

보기
병목 구조를 갖는 3D Convolutional Neural Network를 이용한 뇌파 기반 감정 인식 = EEG-based emotion recognition using a 3D convolutional neural network with a bottleneck structure 김성규, 김태성, 이원희 p. 251-256

보기

참고문헌 (9건) : 자료제공( 네이버학술정보 )

참고문헌 목록에 대한 테이블로 번호, 참고문헌, 국회도서관 소장유무로 구성되어 있습니다.
번호 참고문헌 국회도서관 소장유무
1 1 ] Operating System Market Share Worldwide. [Online]. Available : https://gs.statcounter.com/os market-share. 미소장
2 2 ] Mobile malware evolution 2021. [Online]. Available: https://securelist.com/mobile-malware-evolution-2021/105876/. 미소장
3 3 ] Total Amount of Malware and PUA Under Android . [Online]. Available : https://portal.av-atlas.org/malware/statistics. 미소장
4 4 ] R. Zachariah, K. Akash, M. S. Yousef and A. M. Chacko, “Android malware detection a survey”, Proc. of the 2017 IEEE International Conference on Circuits and Systems, pp. 238-244, 2017. 미소장
5 5 ] T. Bhatia and R. Kaushal, “Malware detection in android based on dynamic analysis,” Proc. of 2017 International Conference on Cyber Security and Protection of Digital Services, pp. 1-6, 2017. 미소장
6 6 ] T. Vidas and N. Christin, “Evading android runtime analysis via sandbox detection,” Proc. of the 9th ACM Symposium on Information, Computer and Communications Security, pp. 447-458, 2014. 미소장
7 7 ] T. Petsas, G. Voyatzis, E. Athanasopoulos, M. Polychronakis, and S. Ioannidis, “Rage against the virtual machine: hindering dynamic analysis of Android malware,” Proc. of the Seventh European Workshop on System Security, pp. 1-6, 2014. 미소장
8 8 ] Z. Zhang, Y. Cheng, and Z. Li, “Super Root: A New Stealthy Rooting Technique on ARM Devices,” Proc. of the International Conference on Applied Cryptography and Network Security, pp. 344-363, 2020. 미소장
9 9 ] VirusTotal. [Online]. Available: https://www.virustotal.com/gui/home/upload. 미소장

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차