Publikationer från Malmö universitet
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Learning to Detect Spyware using End User License Agreements
Malmö högskola, Teknik och samhälle (TS).ORCID-id: 0000-0003-0998-6585
Malmö högskola, Teknik och samhälle (TS).ORCID-id: 0000-0002-8512-2976
2011 (Engelska)Ingår i: Knowledge and Information Systems, ISSN 0219-1377, E-ISSN 0219-3116, Vol. 26, nr 2, s. 285-307Artikel i tidskrift (Refereegranskat)
Abstract [en]

The amount of software that hosts spyware has increased dramatically. To avoid legal repercussions, the vendors need to inform users about inclusion of spyware via end user license agreements (EULAs) during the installation of an application. However, this information is intentionally written in a way that is hard for users to comprehend. We investigate how to automatically discriminate between legitimate software and spyware associated software by mining EULAs. For this purpose, we compile a data set consisting of 996 EULAs out of which 9.6% are associated to spyware. We compare the performance of 17 learning algorithms with that of a baseline algorithm on two data sets based on a bag-of-words and a meta data model. The majority of learning algorithms significantly outperform the baseline regardless of which data representation is used. However, a non-parametric test indicates that bag-of-words is more suitable than the meta model. Our conclusion is that automatic EULA classification can be applied to assist users in making informed decisions about whether to install an application without having read the EULA. We therefore outline the design of a spyware prevention tool and suggest how to select suitable learning algorithms for the tool by using a multi-criteria evaluation approach.

Ort, förlag, år, upplaga, sidor
Encyclopedia of Global Archaeology/Springer Verlag, 2011. Vol. 26, nr 2, s. 285-307
Nyckelord [en]
End user license agreement, Document classification, Spyware, Privacy
Nationell ämneskategori
Datavetenskap (datalogi)
Identifikatorer
URN: urn:nbn:se:mau:diva-2412DOI: 10.1007/s10115-009-0278-zISI: 000286211500005Scopus ID: 2-s2.0-78651485505Lokalt ID: 11150OAI: oai:DiVA.org:mau-2412DiVA, id: diva2:1399165
Tillgänglig från: 2020-02-27 Skapad: 2020-02-27 Senast uppdaterad: 2024-02-06Bibliografiskt granskad

Open Access i DiVA

fulltext(341 kB)302 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 341 kBChecksumma SHA-512
b854dedf40174d653defca8061ccfa7bd44b5db0947ccfd81dffccfff23edd7405aa8daf983d5f343905db8098b0921997a1ab2a4c463c2e5d109c15b5609f2e
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltextScopus

Person

Davidsson, PaulJacobsson, Andreas

Sök vidare i DiVA

Av författaren/redaktören
Davidsson, PaulJacobsson, Andreas
Av organisationen
Teknik och samhälle (TS)
I samma tidskrift
Knowledge and Information Systems
Datavetenskap (datalogi)

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 302 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 292 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf