Show simple item record

dc.contributor.authorAragón Jurado, José Miguel 
dc.contributor.authorJareño Dorado, Javier 
dc.contributor.authorTorre Macías, Juan Carlos de la 
dc.contributor.authorRuiz Villalobos, Patricia 
dc.contributor.authorDorronsoro Díaz, Bernabé 
dc.contributor.otherIngeniería Informáticaes_ES
dc.date.accessioned2025-04-28T09:23:10Z
dc.date.available2025-04-28T09:23:10Z
dc.date.issued2024-06
dc.identifier.urihttp://hdl.handle.net/10498/36211
dc.description.abstractLos dispositivos informáticos son ubicuos hoy en día y, debido al surgimiento de nuevos paradigmas como el Internet de las Cosas, su presencia está en constante crecimiento. El software está altamente expuesto, y las compañías de software se ven obligadas a proteger sus productos de ataques para prevenir el plagio y las fallas de seguridad. La ofuscación es una técnica ampliamente utilizada para protegerlo. Consiste en modificar el código para hacerlo ininteligible y dificultar los procesos de ingeniería inversa para descubrir su funcionalidad. Hay numerosas técnicas de ofuscación, pero a menudo requieren manos expertas. Por lo tanto, hay una clara necesidad de herramientas de ofuscación totalmente automáticas que puedan ofrecer resultados de alta calidad independientemente de las características específicas del software considerado. En este trabajo, definimos un nuevo problema de optimización combinatoria para un método de ofuscación en dos niveles que utiliza transformaciones de ofuscación típicas, las proporcionadas por el framework Tigress, así como las optimizaciones clásicas, las del framework de compilación LLVM. El problema se resuelve con un algoritmo genético celular cooperativo coevolutivo, proporcionando una herramienta para la ofuscación automática de software. Se consideran tres métricas de ofuscación diferentes como función de evaluación. Los resultados muestran que la metodología propuesta ofrece resultados de ofuscación sobresalientes, superando a los programas originales hasta en un 6.152.547%. Además, en comparación con las aproximaciones de la literatura, estos resultados son hasta 405 veces mejores.es_ES
dc.formatapplication/pdfes_ES
dc.language.isospaes_ES
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internacional*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.sourceXV Congreso Español de Metaheurísticas, Algoritmos Evolutivos y Bioinspirados.es_ES
dc.titleOfuscación de Software en dos Niveles usando Algoritmos Cooperativos Coevolutivoses_ES
dc.typeconference outputes_ES
dc.rights.accessRightsopen accesses_ES
dc.type.hasVersionNAes_ES


Files in this item

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivatives 4.0 Internacional
This work is under a Creative Commons License Attribution-NonCommercial-NoDerivatives 4.0 Internacional