| 基于N-gram的Android恶意检测 |
| |
| 引用本文： | 章宗美,桂盛霖,任飞.基于N-gram的Android恶意检测[J].计算机科学,2019,46(2):145-151. |
| |
| 作者姓名： | 章宗美 桂盛霖 任飞 |
| |
| 作者单位： | 电子科技大学计算机科学与工程学院 成都611731;电子科技大学计算机科学与工程学院 成都611731;中国电子科技集团公司第三十研究所 成都610041;中国电子科技集团公司第三十研究所 成都610041 |
| |
| 基金项目： | 本文受国家自然科学基金(61401067)资助 |
| |
| 摘 要： | 随着Android系统的广泛应用,Android平台下的恶意应用层出不穷,并且恶意应用躲避现有检测工具的手段也越来越复杂,亟需更有效的检测技术来分析恶意行为。文中提出并设计了一种基于N-gram的静态恶意检测模型,该模型通过逆向手段反编译Android APK文件,利用N-gram技术在字节码上提取特征,以此避免传统检测中专家知识的依赖。同时,该模型使用深度置信网络,能够快速而准确地学习训练。通过对1267个恶意样本和1200个善意样本进行测试,结果显示模型整体的检测准确率最高可以达到98.34%。实验进一步比较了该模型和其他算法的检测结果,并对比了相关工作的检测效果,结果表明该模型有更好的准确率和鲁棒性。
|
| 关 键 词： | Android应用 恶意检测 N-gram 深度置信网络 静态检测 |
| 收稿时间： | 2018/1/18 0:00:00 |
| 修稿时间： | 2018/3/24 0:00:00 |
Android Malware Detection Based on N-gram |
| |
| ZHANG Zong-mei,GUI Sheng-lin and REN Fei.Android Malware Detection Based on N-gram[J].Computer Science,2019,46(2):145-151. |
| |
| Authors: | ZHANG Zong-mei GUI Sheng-lin and REN Fei |
| |
| Affiliation: | School of Computer Science and Engineering,University of Electronic Science and Technology of China,Chengdu 611731,China,School of Computer Science and Engineering,University of Electronic Science and Technology of China,Chengdu 611731,China;The 30th Institute of China Electronics Technology Group Corporation,Chengdu 610041,China and The 30th Institute of China Electronics Technology Group Corporation,Chengdu 610041,China |
| |
| Abstract: | |
| |
| Keywords: | Android application Malware detection N-gram Deep belief network Static detection |
| 本文献已被 万方数据 等数据库收录！ |
|
点击此处可从《计算机科学》下载全文 |
|
