首页 | 本学科首页   官方微博 | 高级检索  
     

基于深度森林的安卓恶意软件行为分析与检测
引用本文:石兴华,曹金璇,芦天亮.基于深度森林的安卓恶意软件行为分析与检测[J].软件,2019(10):1-5,72.
作者姓名:石兴华  曹金璇  芦天亮
作者单位:1.中国人民公安大学信息技术与网络安全学院
基金项目:国家重点研发计划“网络空间安全”重点专项(批准号:2016YFB0801100);国家自然科学基金项目(批准号:61602489);“十三五”国家密码发展基金密码理论研究重点课题(批准号:MMJJ20180108);中国人民公安大学2019年基本科研业务费重大项目(2019JKF108)
摘    要:随着移动互联网渐渐渗入人们的日常生活,面向安卓的恶意软件也对用户产生着愈发巨大的负面影响。本文针对传统安卓恶意软件静态检测技术在检测多分类恶意行为时准确性及灵活性的不足,提出了一种基于深度森林(Gcforest)的恶意软件行为检测机制,最后经过实验测试与对比,证明此机制在恶意软件行为检测效果、参数调节难易度上具有明显优势。

关 键 词:安卓恶意软件  静态检测技术  深度森林  多分类行为检测

Analysis and Detection of Android Malware Based on Gcforest
SHI Xing-hua,CAO Jin-xuan,LU Tian-liang.Analysis and Detection of Android Malware Based on Gcforest[J].Software,2019(10):1-5,72.
Authors:SHI Xing-hua  CAO Jin-xuan  LU Tian-liang
Affiliation:(School of Information Technology and Network Security, People's Public Security University of China, Beijing 100038, China)
Abstract:SHI Xing-hua;CAO Jin-xuan;LU Tian-liang(School of Information Technology and Network Security, People's Public Security University of China, Beijing 100038, China)
Keywords:Android malware  Static detection technology  Gcforest  Multi-classification behavior detection
本文献已被 维普 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号