Spyware en Smartphone: Análisis Bibliométrico
DOI:
https://doi.org/10.61799/2216-0388.1740Palabras clave:
Android, Bibliometrico, Malware, Spyware, SmartphoneResumen
El spyware es una amenaza latente en el sistema operativo Android, cuya arquitectura abierta facilita la instalación de aplicaciones maliciosas capaces de recolectar datos sensibles sin autorización. Esta problemática ha captado el interés de la comunidad científica, impulsando el desarrollo de soluciones basadas en inteligencia artificial y aprendizaje automático. El objetivo principal de este estudio fue analizar, mediante un enfoque bibliométrico, la evolución de la producción científica sobre spyware en Android. Se seleccionaron publicaciones extraídas de IEEE, ACM, Scopus y Google Scholar, bajo criterios específicos de inclusión y exclusión. El análisis, realizado con Bibliometrix y VOSviewer, reveló que antes de 2020 se concentró el 66 % del total de publicaciones, con picos destacados en 2018 y 2020. Posteriormente, se observó una caída, seguida de un repunte en 2023 y 2024. El 80 % de los artículos abordaron técnicas basadas en IA y machine learning, confirmando la predominancia de estos enfoques metodológicos. A nivel geográfico, Estados Unidos lideró con el 23 % de las publicaciones, seguido por Italia con el 17 %, destacándose además por su alta participación en redes de colaboración internacional. Se concluye que la investigación sobre spyware en Android mantiene una tendencia activa y tecnológicamente sofisticada, aunque enfrenta desafíos constantes debido a la evolución de las amenazas, la debilidad de los marcos regulatorios y la baja cultura digital de los usuarios. Se recomienda fortalecer el desarrollo de modelos de detección adaptativos, impulsar estrategias de formación en ciberseguridad para usuarios finales y revisar críticamente las políticas de protección de datos móviles, especialmente en contextos vulnerables como el ecosistema Android.
Descargas
Referencias
[1] Martín, I., Hernández, J. A., Muñoz, A., y Guzmán, A., «Android malware characterization using metadata and machine learning techniques», arXiv:1712.04402. [En línea]. Disponible en: https://arxiv.org/abs/1712.04402
[2] A. Hefter, C. Sendner y A. Dmitrienko, “Metadata‑based Malware Detection on Android using Machine Learning,” arXiv preprint arXiv:2307.08547, Jul. 2023. DOI disponible en: https://arxiv.org/abs/2307.08547
[3] Kaur, A., Lal, S., Goel, S., Pandey, M., y Agarwal, A., «Android Malware Detection System using Machine Learning», presentado en Proceedings of the 5th International Conference on Sustainable Computing, ACM, 2024. doi: 10.1145/3675888.3676049. [En línea]. Disponible en: https://dl.acm.org/doi/10.1145/3675888.3676049
[4] Aria M. y Cuccurullo C., «bibliometrix: An R-tool for comprehensive science mapping analysis», Journal of Informetrics, vol. 11, n.o 4, pp. 959-975, 2017. [En línea]. Disponible en: https://www.sciencedirect.com/science/article/abs/pii/S1751157717300500
[5] Android Developers Blog, «Google developers blog», 2023. [En línea]. Disponible en: https://developer.android.com/google/play/integrity?hl=es-419
[6] A. Papadopoulos, T. Bäuml, M. Vechev y M. Jaggi, "Android Malware Detection with Unbiased Confidence Guarantees," arXiv preprint arXiv:2312.11559, 2023. [En línea]. Disponible en: https://arxiv.org/abs/2312.11559
[7] Rivera, A., «Análisis de Malware en Android II», Tesis de grado, Universidad Complutense de Madrid, Madrid, 2021. [En línea]. Disponible en: https://eprints.ucm.es/id/eprint/74304/1/RIVERA%20LE%C3%93N%2084977_ALEJANDRO_RIVERA_LEON_Malware_en_Android_II_1398832_1568894276.pdf
[8] Román, A., Luna, V., Sarabia, R., Lechuga, A., Hernández, R., y Rodríguez, N., «Análisis ético de la información en el escándalo Pegasus». [En línea]. Disponible en: https://dialnet.unirioja.es/servlet/articulo?codigo=7237676
[9] Manzil, H. H. R., y Naik, S. M., «DeepMetaDroid: Real-Time Android Malware Detection Using Deep Learning and Metadata Features», Cloud Computing and Data Science, vol. 5, n.º 2, pp. 203–225, 2024. doi: 10.37256/ccds.5220244503. [En línea]. Disponible en: https://ojs.wiserpub.com/index.php/CCDS/article/view/4503
[10] Krzysztoń, M., et al., «BotSense Mobile: Lightweight On-Device Malware Detection in Android», en Sensors, vol. 22, n.º 16, art. 6054, MDPI, 2022. doi: 10.3390/s22166054. [En línea]. Disponible en: https://doi.org/10.3390/s22166054
[11] Anand, S., Mitra, B., Dey, S., Rao, A., Dhar, R., y Vaidya, J., «MALITE: Lightweight Malware Detection and Classification for Constrained Devices», arXiv preprint arXiv:2309.03294, 2023. [En línea]. Disponible en: https://arxiv.org/abs/2309.03294
[12] Qabalin, M., Naser, M., y Alkasassbeh, M., «Detección de spyware en Android mediante el aprendizaje automático: un nuevo conjunto de datos», Sensors, vol. 22, n.o 15, p. 5765, 2022. Disponible en: https://www.mdpi.com/1424-8220/22/15/5765
[13] Montenegro, V., «Análisis comparativo de algoritmos de machine learning para detección de malware en aplicaciones Android», Tesis de grado, Universidad Señor de Sipán, Pimentel, 2022. [En línea]. Disponible en: https://repositorio.uss.edu.pe/bitstream/handle/20.500.12802/10059/Montenegro%20Guerrero%20Victor%20Agustin.pdf?sequence=1&isAllowed=y
[14] Ortega, H., «Smartphones opportunities and risks», vol. 15, n.o 1, pp. 109-140, 2022. Disponible en: https://www.researchgate.net/publication/360702780_SmartphonesOpportunities_and_Risks
[15] Doerfler, P, Chatterjee, R., Orgad, H., Havron, S., y Palmer, J., «The spyware used in intimate partner violence», 2018. [En línea]. Disponible en: https://nyuscholars.nyu.edu/en/publications/the-spyware-used-in-intimate-partner-violence
[16] Pierazzi, F., Mezzour, G., Han, Q., Colajanni, M., y Subrahmanian, V., «Una caracterización basada en datos del spyware moderno de Android», ACM Transactions on Management Information Systems, vol. 11, n.o 1, pp. 1-38, 2020. Disponible en: https://dl.acm.org/doi/fullHtml/10.1145/3382158
[17] Han, Q., Gan, Y., y Gao, Y., «Combinando el aprendizaje automático tradicional y la detección de anomalías en la clasificación de varios conjuntos de datos de malware de Android desequilibrados.», presentado en 7a Conferencia Internacional sobre Máquinas Learning Technologies (ICMLT 2022), Roma, Italia: ACM, mar. 2022, p. 7 páginas. doi: https://doi.org/10.1145/3529399.3529412. [En línea]. Disponible en: https://dblp.org/db/conf/icmlt/icmlt2022.html
[18] Sowndarajan, K. y Binu, B., «Android security issues and solutions», presentado en 2017 International Conference on Innovative Mechanisms for Industry Applications (ICIMIA), 2017. [En línea]. Disponible en: https://www.researchgate.net/publication/318412307_Android_security_issues_and_solutions
[19] J. Zhou, Y. Du, H. Liu, Y. Liu y H. Zhang, "MalPurifier: Enhancing Android Malware Detection with Adversarial Purification," arXiv preprint arXiv:2312.06423, 2023. [En línea]. Disponible en: https://arxiv.org/abs/2312.06423
[20] Viet, N. y Thanh, P., «NADM: Red neuronal para malware de detección de Android», presentado en Noveno Simposio Internacional sobre Tecnología de la Información y la Comunicación (SoICT 2018), Ciudad de Danang, Vietnam: ACM, dic. 2018, p. 7. doi: 10.1145/3287921.3287977. [En línea]. Disponible en: https://dblp.org/rec/conf/soict/DucG18.html
[21] Zhang, R., Chen, X., Wen, S., Zheng, X., y Ding, Y., «Using AI to attack VA: a stealthy spyware against voice assistants in smartphones», [En línea]. Disponible en: https://ieeexplore.ieee.org/document/8861099
[22] PanMan de Wit, J., Bucur, D., y Van Der Ham, J., «Detección dinámica de malware móvil utilizando datos de teléfonos inteligentes y aprendizaje automático», Cifra. Amenaza. Research and Practice, vol. 3, n.o 2, pp. 1-24, 2022. [En línea]. Disponible en: https://dl.acm.org/doi/10.1145/3484246
[23] Hu, Che-Chun y Chen, Yi-Ming, «Análisis dinámico de malware de Android con desidentificación de identificación personal», presentado en 3a Conferencia Internacional sobre Computación y Big Data (ICCBD ’20), Taichung, Taiwán: ACM, ago. 2020, p. 7 páginas. [En línea]. Disponible en: https://dl.acm.org/doi/10.1145/3418688.3418694
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Mundo FESC
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
