Makine öğrenmesi teknolojilerinin hızla gelişmesiyle birlikte, Android zararlı yazılım tespitinde ML tabanlı yaklaşımlar büyük ilgi görmeye başladı. Bu sistemler, Android uygulamalarından kötü amaçlı kalıpları otomatik olarak öğrenebilme kabiliyetleri sayesinde öne çıkıyor.
Ancak bu alandaki mevcut araştırmaların derinlemesine ve sistematik bir analizinin eksikliği, konunun bütünsel olarak anlaşılmasını zorlaştırıyordu. Bu boşluğu doldurmak amacıyla yapılan yeni araştırma, ML tabanlı Android zararlı yazılım tespit sistemlerinin bugüne kadarki en kapsamlı incelemesini sunuyor.
Araştırmacılar, mevcut çalışmaları Android uygulama temsilleri ve ML modelleme süreçleri temelinde birleşik bir taksonomi altında organize ettiler. Bu sınıflandırma üzerine inşa ettikleri genel amaçlı çerçeve ile, yazılım mühendisliği, güvenlik ve makine öğrenmesi olmak üzere üç farklı araştırma topluluğundan 12 temsili yaklaşımı yeniden uyguladılar.
Bu kapsamlı çalışma, hem ampirik hem de kantitatif analizleri birleştirerek alanın mevcut durumunu objektif bir şekilde değerlendiriyor. Elde edilen bulgular, Android mobil güvenlik teknolojilerinin geliştirilmesi ve gelecekteki araştırma yönlerinin belirlenmesi açısından kritik öneme sahip.