歡迎來到演算法、軟體和硬體三位一體的未來世界論文書籍站
Dex2jar not support 的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理
國立中興大學 資訊管理學系所 詹永寬所指導 林彥瑞的 影像與資料在安全之應用 （2018），提出Dex2jar not support 關鍵因素是什麼，來自於機器學習、深度學習、資訊安全、工地安全。
而第二篇論文銘傳大學 資訊傳播工程學系碩士班 江清泉、謝朝和所指導 譚庚倫的 以SVM為基礎之手機惡意封包偵測系統 （2016），提出因為有 智慧型手機、Android、惡意偵測、網路封包、SVM的重點而找出了 Dex2jar not support 的解答。
除了Dex2jar not support ，大家也想知道這些：
影像與資料在安全之應用
為了解決Dex2jar not support 的問題，作者林彥瑞 這樣論述：
由於現今資訊科技的快速發展，資料的使用相較以往較不受侷限，若藉由合理的整合並應用訊息，即可讓繁雜的數據變成有效的資源。本研究把人工智慧的技術使用在手機應用軟體及影像這兩種不同類型的資料型態上，其主軸皆在保障用戶安全之相關議題。 隨著行動裝置的普及，惡意軟體逐漸由電腦系統轉向手機系統，其中Android系統市占率排行第一，加上其為開放平台，導致來歷不明的Android軟體易被不知情的用戶安裝及使用，導致受害的用戶數量逐年攀升。為了解決這樣的狀況，本研究提出AMSD靜態分析系統，使用Permission Based和Code Based兩種分析法截取文件特徵，再使用Recognizabil
ity與F-statistics兩種特徵演算法挑選重要特徵，並結合機器學習來檢測未知的Android軟體。最後與市面上的手機防毒軟體進行比較，顯示AMSD system能有良好的偵測效果。在工地中，工地安全帽可保護現場人員免受物體飛落事故之影響。然而，未配戴工地安全帽所導致的工地意外仍頻頻發生，為了能確認工地中的人員是否確實佩戴工地安全帽，本研究提出了一個工地安全帽穿戴檢測系統，用以加強工地監督，期望藉此減少未戴工地安全帽而導致頭部損傷的事故發生。此系統以YOLO-V3為基礎，將輸入影像畫面進行分析，檢測畫面中的人是否穿戴工地安全帽。經實驗結果顯示，在測試影像準確度結果平均可達90%。
以SVM為基礎之手機惡意封包偵測系統
為了解決Dex2jar not support 的問題，作者譚庚倫 這樣論述：
近年來，智慧型手機蓬勃發展，人手一機已是事實，使用者逐漸將個人的資訊 (聯絡資訊、E-mail帳號密碼、個人電子錢包等) 存入手機中。智慧型手機之作業系統以Android和IOS為主。Android系統可以不用透過官方認證而進一步安裝第三方的App。因為上述的原因，使得駭客將目標由電腦端轉向手機端。駭客藉由入侵手機的方式蒐集使用者許多個人隱私資訊，並且惡意App可以透過使用者給予的權限蒐集個人相關資訊並且傳輸至駭客伺服器，或者執行從駭客伺服器傳來的惡意程式碼。本研究提出一套偵測手機惡意封包系統，以Agent-based概念設計。由使用者手機下載手機應用程式(Agent App)，而Agent
App將手機所發出的GET封包內容儲存至pcap檔中，並且傳輸至伺服器做惡意分析。本系統在惡意分析上應用了SVM(Support Vector Machines)演算法，將收集的樣本的GET封包內容訓練成SVM惡意偵測模型，然後將使用者的GET封包輸入至SVM模型進行預測分析。本文也比較 LibSVM 和Scikit-learn 兩個SVM 函式庫的效能，其本系統採用Sckit-learn函式庫作為惡意分析功能。Agent App和網頁會將分析的結果整理後呈現給使用者查看，並且提供查詢歷史紀錄和模型管理的功能。