Revisión Sistemática de la Literatura: Machine Learning para la Detección de Ransomware en Dispositivos Móviles

• Published in: RISTI : Revista Ibérica de Sistemas e Tecnologias de Informação 2022-11 (E54), p.341-353
• Main Authors: Castro-Salaverry, Cristian R, Bravo-Huivin, Elizabeth K, Cieza-Mostacero, Segundo E
• Format: Article
• Language: Spanish
• Subjects: Algorithms; Decision trees; Electronic devices; Literature reviews; Machine learning; Malware; Ransomware; Statistical analysis; Support vector machines; Systematic review; Tracking devices
• ISSN: 1646-9895

For this reason, a systematic review was carried out that provided indicators to measure detection accuracy, prevention measures and statistical data that show the most used algorithms for tracking Ransomware on mobile devices, such as: Keywords: Machine Learning, Ransomware, algorithm, systematic review, mobile devices. 1.Introducción Con el pasar de los años, la tecnología avanzó a tal punto que ha cambiado la forma de poder comunicarse, guardar información y compartir datos, todo esto realizado por medio de dispositivos móviles facilitando la vida diaria de millones de usuarios. (2022), presentaron un conjunto de algoritmos de aprendizajes como el Decision Tree (DT), Random Forest (RF), Naive Bayes (NB), Logistic Regression (LR), basados en redes neuronales para clasificar el nivel de seguridad para la detección y prevención de Ransomware. Así mismo, realizaron experimentos en un grupo de datos donde se tuvo como principal resultado que los clasificadores de RF superaron a los demás métodos en los términos de precisión (0.99±0.00); f-beta (0.97±0.03); exactitud (0.99±0.01) y los clasificadores de NB superaron en términos de recall (0.99±0.00) al resto de métodos.