积分商城

最新搜索： RFID SDK gp2y1010 HFSS RDA5807 microBUCK和microBRICK直流/直流稳压器解决方案 嵌入式八股文
您现在的位置是：首页 > 技术资料 > 一种Android恶意软件检测模型
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

一种Android恶意软件检测模型

更新时间：2019-12-31 13:12:19 大小：1M 上传用户：songhuahua查看TA发布的资源 标签：android恶意软件检测 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

针对传统Android恶意软件检测方法检测精度较低等不足,提出一种基于双通道卷积神经网络的Android恶意软件检测模型。首先,提取应用程序的原始操作码序列并生成指令功能序列;然后,将两种序列分别作为卷积神经网络两个通道的输入迭代训练并调整各层神经元权重;最后,通过已训练的检测模型实现对Android恶意软件的检测。实验结果表明,该检测模型对恶意软件具有较好的检测分类精度和检测准确率。


部分文件列表

文件名 大小
一种Android恶意软件检测模型.pdf 1M

【关注视频号领20积分】   【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）
西安电子科技大学学报  
年
月
２０１９  
６
Ｊｕｎ．２０１９  
Ｖｏｌ．４６ Ｎｏ．６  
ꢀ
ꢀ
ꢀ
第
卷
第
期
３
４６  
ꢀ
ＪＯＵＲＮＡＬ ＯＦ ＸＩＤＩＡＮ ＵＮＩＶＥＲＳＩＴＹ  
ꢀ ꢀ ꢀ  
：
ｄｏｉ１０ꢀ１９６６５／ꢀｉｓｓｎ１００１２４００ꢀ２０１９ꢀ０３ꢀ００８  
－
ｊ
一种  
恶意软件检测模型  
Ａｎｄｒｏｉｄ  
，
杨 宏 宇 那 玉 琢  
（ ，  
中国民航大学 计算机科学与技术学院 天津  
）
３００３００  
：
摘要 针对传统  
，
恶意软件检测方法检测精度较低等不足 提出一种基于双通道卷积神经网络的  
Ａｎｄｒｏｉｄ  
。 ， ； ，  
恶意软件检测模型 首先 提取应用程序的原始操作码序列并生成指令功能序列 然后 将两种序  
Ａｎｄｒｏｉｄ  
； ，  
列分别作为卷积神经网络两个通道的输入迭代训练并调整各层神经元权重 最后 通过已训练的检测模型  
。 ，  
恶意软件的检测 实验结果表明 该检测模型对恶意软件具有较好的检测分类精度和检  
实现对  
Ａｎｄｒｏｉｄ  
。
测准确率  
： ； ； ； ；  
关键词 恶意软件 分类检测 操作码序列 指令功能序列 卷积神经网络  
：
：
Ａ
：
文章编号  
１００１２４００２０１９０３００４５０７  
ꢀꢀ  
（
）
中图分类号  
文献标识码  
ＴＰ３０９  
ꢀꢀ  
－
－
－
Ａｎｄｒｏｉｄｍａｌｗａｒｅｄｅｔｅｃｔｉｏｎｍｏｄｅｌ  
ꢀ ꢀ ꢀ  
，
ＹＡＮＧ Ｈｏｎ ｕ ＮＡＹｕｚｈｕｏ  
ꢀ
ꢀ
ｇｙ  
，
，
，
ＣｉｖｉｌＡｖｉａｔｉｏｎＵｎｉｖꢀｏｆＣｈｉｎａ Ｔｉａｎｉｎ３００３００ Ｃｈｉｎａ  
ｊ ꢀ  
（
）
ＳｃｈｏｏｌｏｆＣｏｍ ｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏ  
ꢀ ꢀ ꢀ ꢀ ꢀ  
ｐ
ｇｙ  
ꢀ
ꢀ
ꢀ
：
Ａｂｓｔｒａｃｔ  
ꢀ
，
ａｎ  
Ａｉｍｉｎ ａｔｔｈｅｌｏｗｄｅｔｅｃｔｉｏｎａｃｃｕｒａｃ ｏｆｔｒａｄｉｔｉｏｎａｌＡｎｄｒｏｉｄｍａｌｗａｒｅｄｅｔｅｃｔｉｏｎｔｅｃｈｎｏｌｏ  
ｇ ꢀ ｇｙ  
ꢀ ꢀ ꢀ ꢀ ꢀ  
ꢀ
ꢀ
ｙ
ꢀ
ꢀ
ꢀ
（
）
Ａｎｄｒｏｉｄｍａｌｗａｒｅｄｅｔｅｃｔｉｏｎ ｍｏｄｅｌｂａｓｅｄｏｎｔｈｅＤｕａｌｃｈａｎｎｅｌＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋ ＤＣＮＮ ｉｓ  
ꢀ ꢀ  
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
－
ꢀ
ꢀ
ꢀ
，
ｒｏｏｓｅｄꢀＦｉｒｓｔ ｉｔｅｘｔｒａｃｔｓｔｈｅｓｏｆｔｗａｒｅｏｒｉｉｎａｌｏｃｏｄｅｓｅｕｅｎｃｅａｎｄ ｅｎｅｒａｔｅｓｔｈｅｃｏｍｍａｎｄｆｕｎｃｔｉｏｎ  
ｐ ｐ  
ꢀｐ ꢀ ｑ ꢀｇ  
ꢀ
ꢀ
ꢀ
ꢀ
ｇ
ꢀ
ꢀ
ꢀ
ꢀ
，
ｓｅｕｅｎｃｅꢀＴｈｅｎ ｉｔｕｓｅｓｔｈｅｓｅｔｗｏｓｅｕｅｎｃｅｓａｓｔｈｅｉｎｕｔｔｏｔｈｅｔｗｏｃｈａｎｎｅｌｓｏｆｔｈｅｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌ  
ꢀ ｑ ꢀ ꢀ ꢀ ｐ ꢀ ꢀ ꢀ ꢀ  
ｑ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
，
ｎｅｔｗｏｒｋｔｏｉｔｅｒａｔｉｖｅｌ ｔｒａｉｎａｎｄａｄｕｓｔｔｈｅｎｅｕｒｏｎｓｗｅｉｈｔｓｉｎｅａｃｈｌａｅｒꢀＦｉｎａｌｌ ｔｈｅｔｒａｉｎｅｄｄｅｔｅｃｔｉｏｎ  
ꢀ ꢀ ꢀ ｊ ꢀ ꢀ ꢀ ｙ  
ｙ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ｇ
ｙ
ꢀ
ꢀ
ｍｏｄｅｌｉｍｌｅｍｅｎｔｓｔｈｅ Ａｎｄｒｏｉｄ ｍａｌｗａｒｅｄｅｔｅｃｔｉｏｎꢀＥｘｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｄｅｍｏｎｓｔｒａｔｅｔｈａｔｏｕｒｄｅｔｅｃｔｉｏｎ  
ꢀ ｐ ꢀ ꢀ ꢀ ꢀ ꢀ  
ꢀ
ꢀ
ꢀ
ｐ
ꢀ
ｍｏｄｅｌｈａｓａ ｏｏｄｄｅｔｅｃｔｉｏｎａｃｃｕｒａｃ ａｎｄｄｅｔｅｃｔｉｏｎ ｒｅｃｉｓｉｏｎｆｏｒｍａｌｗａｒｅꢀ  
ꢀ ꢀꢀｇ ꢀ ꢀ ꢀ ꢀｐ ꢀ ꢀ  
ｙ
ꢀ
：
Ｋｅ Ｗｏｒｄｓ  
ꢀ
；
；
；
ｍａｌｗａｒｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎｄｅｔｅｃｔｉｏｎ ｏｃｏｄｅｓｅｕｅｎｃｅ ｃｏｍｍａｎｄｆｕｎｃｔｉｏｎｓｅｕｅｎｃｅ ｃｏｎｖｏｌｕｔｉｏｎａｌ  
ꢀ ｑ ꢀ ｑ  
；
ꢀ
ｐ
ꢀ
ｙ
ꢀ
ｎｅｕｒａｌｎｅｔｗｏｒｋ  
ꢀ
， ，  
系统极具统治力的市场份额以及其开放性的特点 为恶意软件提供了良好的传播环境 导致众  
Ａｎｄｒｏｉｄ  
［］  
１
。
鉴于  
，
多恶意软件被大量下载和使用 严重威胁了用户以及市场的安全  
恶意软件的盛行带来的  
Ａｎｄｒｏｉｄ  
，
安全问题 对  
。
恶意软件的检测已成为目前的研究热点  
Ａｎｄｒｏｉｄ  
，
随着机器学习算法的广泛应用 许多国内外研究者将机器学习算法引入到  
恶意软件检测方法  
Ａｎｄｒｏｉｄ  
［］  
２
， ，  
通过训练机器学习分类器 提高对恶意软件  
，
中 对  
应用程序的静态或动态特征进行识别及提取  
Ａｎｄｒｏｉｄ  
。
的检测率 文献  
［］  
提出基于支持向量机和主动学习技术的  
３
。 ［］  
恶意软件程序检测模型 文献 提出  
４
Ａｎｄｒｏｉｄ  
。
基于多级架构的新型分类器融合方法 文献  
［］  
通过对  
５
，
应用信息的挖掘和特征提取 实现了恶意软  
Ａｎｄｒｏｉｄ  
。
ＭａｌＰａｔ  
［］  
通过获取应用程序的权限和  
６
，
。
信息 采用分类算法实现对恶意软件的检测  
ＡＰＩ  
件检测系统  
文献  
［］ ，  
通过提取应用程序的多个特征 提出基于  
７
。
集成分类器的恶意软件检测方法 为了提  
文献  
Ｂａ ｉｎ ＳＶＭ  
ｇｇ ｇ  
－
，
高对恶意软件的分类效果 文献  
［］  
。
［ ］  
提出了基于改进随机森林分类算法的恶意软件检测方法 文献 对  
９
８
：
：
２０１９０３０４  
－
收稿日期  
网络出版时间  
２０１８０９１９  
－ － ꢀꢀꢀꢀ  
－
：
基金项目 国家自然科学基金民航联合研究基金  
（
）；  
国家科技重大专项  
（
）
Ｕ１８３３１０７  
２０１２ＺＸ０３００２００２  
：
作者简介 杨宏宇  
（
１９６９－  
），  
， ， ，  
男 教授 博士  
Ｅ ｍａｉｌ ｈｘｌｘ ｈｏｔｍａｉｌ．ｃｏｍ．  
ｙｙ  
：
－
＠
：
通信作者 那玉琢  
（
１９９４－  
），  
， ，  
男 中国民航大学硕士研究生  
Ｅ ｍａｉｌ ｈｘｌｘ ｈｏｔｍａｉｌ．ｃｏｍ．  
ｙｙ  
：
－
＠
： ：／／  
ｈｔｔ  
ｐ
／
／ ／  
ｋｎｓ．ｃｎｋｉ．ｎｅｔｋｃｍｓｄｅｔａｉｌ６１ ．１０７６ ．Ｔ Ｎ ．２０１９０３０１ ．１７０９ ．００４ ．ｈｔｍｌ  
网络出版地址  
西安电子科技大学学报  
第
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ ꢀꢀꢀꢀ  
卷
４６  
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ ꢀ  
４６  
，
指令进行简化抽象 并将抽象后的指令进行  
， 。  
编码 利用机器学习算法创建分类检测模型 文  
Ｄａｌｖｉｋ  
Ｎ Ｇｒａｍ  
－
［ ］  
使用深度置信网络  
１０  
（
， ）  
Ｄｅｅ ＢｅｌｉｅｆＮｅｔｗｏｒｋ ＤＢＮ  
ｐ
ꢀ
ꢀ
，
献
对训练集进行训练 生成深度学习网络并对测试应用  
。
进行检测  
通过对上述研究成果的分析发现 当采用权限  
所获取的动态特征作为  
，
、
、
特征 敏感  
Ｉｎｔｅｎｔ  
调用等静态特征和运行模拟程序  
ＡＰＩ  
，
恶意软件检测模型的输入特征时 通常需要筛选出携带更多隐含信息或出  
Ａｎｄｒｏｉｄ  
， ，  
现频率较高的特征 以达到提高检测模型的检测效率和准确率的目标 这就使得对特征的筛选或重构成为模  
。
型检测效率提高的一个关键因素  
，
为此 笔者提出一种基于双通道卷积神经网络  
（
，
）
的
ＤｕａｌｃｈａｎｎｅｌＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋ ＤＣＮＮ  
－
ꢀ
ꢀ
ꢀ
。 ，  
恶意软件检测模型 通过迭代训练卷积神经网络调整其内部神经元权重 从无明显特征的操作码  
Ａｎｄｒｏｉｄ  
。
和指令功能序列中提取出具有鉴别性的特征 该模型对  
应用原始  
操作码序列以及对操作  
Ａｎｄｒｏｉｄ  
Ｄａｌｖｉｋ  
，
码序列抽象得到的指令功能序列去冗余和向量化操作后 作为卷积神经网络两个通道的输入对卷积神经网  
，
络进行训练 通过已训练的网络对  
。
应用进行检测和分类  
Ａｎｄｒｏｉｄ  
检测模型  
１
ꢀ
，
笔者提出的检测模型如图 所示 该模型由预处理阶段和训练检测阶段组成  
１
。
图
检测模型  
１
ꢀ
（）  
预处理阶段  
１
、 ， ，  
预处理阶段包括反编译处理 特征提取和特征向量化等操作 通过提取应用程序的操作码序列 并根据  
， 。 。  
操作码的功能对操作码进行分类 得到指令功能序列 用上述两种序列构建应用程序的特征向量集合 该  
：
阶段处理步骤设计如下  
，
步骤 对恶意样本集和良性样本集进行反编译处理 提取反编译结果中  
１
文件夹构成恶意样本的  
ｓｍａｌｉ  
ꢀ
。
文件集和良性样本的  
ｓｍａｌｉ  
文件集  
ｓｍａｌｉ  
，
程序 遍历读取  
，
，
文件 提取其中的操作码信息 分别生成恶  
ｓｍａｌｉ  
步骤  
编写  
文件集中的  
ｓｍａｌｉ  
２
ꢀ
ｔｈｏｎ  
ｐｙ  
。
文件集  
ｏｃｏｄｅ  
ｐ
意样本的  
文件集和良性样本的  
ｏｃｏｄｅ  
ｐ
， ， ，  
文件 提取操作码序列 并对其进行抽象 得到指令功能序列  
。
步骤  
遍历  
３
ꢀ
ｏｃｏｄｅ  
ｐ
， 。  
将应用程序特征集合中的两种序列分别进行向量化 并将两者整合生成应用程序的特征集合  
步骤  
４
ꢀ
（）  
训练检测阶段  
２
，
训练检测阶段包括卷积神经网络训练和分类检测过程 该阶段处理步骤设计如下  
：
， “”，  
首先将应用程序特征集合的一部分打上标签 良性应用标记为 恶意应用标记为  
０
“”，  
构成  
１
步骤  
１
ꢀ
：／／ ／  
ｈｔｔｐ ｊｏｕｒｎａｌ．ｘｉｄｉａｎ．ｅｄｕ．ｃｎｘｄｘｂ  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号