积分商城

最新搜索： 神经网络 STM32F103 rfe150 Sm470 SPWM PW4243
您现在的位置是：首页 > 技术资料 > Android恶意软件静态检测模型
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

Android恶意软件静态检测模型

更新时间：2020-01-01 21:51:11 大小：2M 上传用户：songhuahua查看TA发布的资源 标签：android静态检测 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

为解决Android恶意应用泛滥的问题,提出一种Android恶意应用静态检测模型。模型选取文件中3个标签项属性值作为特征属性,采用信息增益(IG)算法对特征属性进行优化选择,根据优化结果生成对应特征向量集合。最后,应用知识分析Waikato环境(WEKA)的4种机器学习分类算法对特征向量集合进行检测和分类。实验结果表明,本文提出的静态检测模型具有较好的检测分类效果。


部分文件列表

文件名 大小
Android恶意软件静态检测模型.pdf 2M

【关注B站账户领20积分】

部分页面预览

（完整内容请下载后查看）
第
卷
第
期
２
(
)
４８  
吉 林 大 学 学 报 工 学 版  
Vol．４８ No．２  
Mar．２０１８  
年
月
(
)
２０１８ ３  
JournalofJilinUniversit EnineerinandTechnolo Edition  
y g g  
gy  
恶意软件静态检测模型  
Android  
,
杨宏宇 徐 晋  
(
,
)
３００３００  
中国民航大学 计算机科学与技术学院 天津  
:
,
。
恶意应用静态检测模型 模  
摘
要 为解决  
恶意应用泛滥的问题 提出一种  
Android  
Android  
,
( )  
算
IG  
型选取  
法对特征属性进行优化选择 根据优化结果生成对应特征向量集合 最后 应 用 知 识 分 析  
文件中 个标签项属性值作为特征属性 采用信息增益  
AndroidManifest．xml ３  
,
。
,
(
)
。
环境 种机器学习分类算法对特征向量集合进行检测和分类 实验结果  
Waikato WEKA ４  
的
,
。
表明 本文提出的静态检测模型具有较好的检测分类效果  
:
;
;
; ; ;  
关键词 计算机应用  
恶意软件 静态检测 属性 分类  
Android  
:
TP３０９  
:
A
: ( )  
文章编号  
１６７１-５４９７２０１８０２-０５６４-０７  
中图分类号  
文献标识码  
: /  
DOI１０．１３２２９ ．cnki．dxbxb２０１６１４２２  
j j g  
AnAndroidmalwarestaticdetectionmodel  
,
YANGHon-uXUJin  
gy  
(
,
,
, )  
Schoolo Com uterScienceandTechnolo CivilAviationUniversit o China Tianin３００３００China  
f
p
gy y f  
j
:
,
AbstractInordertosolvetheroblemofAndroidmalwaresreadin thisaerroosesanAndroid  
p g pp pp  
p
,
malwarestaticdetectionmodel．First theattributevalueofthreelabelitemsisselectedin  
,
( )  
AndroidManifest．xmlfileasthefeatureattribute．SecondtheInformationGainalorithm IG is  
g
,
usedtootimizethefeatureattributethenacorresondinfeaturevectorsetiseneratedaccordin  
p g g  
p
g
,
totheotimizationresults．Finall fourkindsofmachinelearnin classificationalorithmsin  
p
y
g
g
( )  
WaikatoEnvironmentforKnowledeAnalsis WEKA areusedtodetectandclassifthefeature  
g y  
y
vectorset．Exerimentresultsdemonstratethatthe roosedstaticdetectionmethodhasbetter  
p
pp  
detectionandclassificationerformance．  
p
:
;
;
;
;
;
Ke wordscomuteralicationAndroid malwarestaticdetectionattributeclassification  
p pp  
y
。
均每天新增恶意软件达  
万个 恶意软  
３.８ Android  
引 言  
０
,
件的泛滥给用户带来了众多危害 使得  
安
Android  
,
Android  
,
全成为信息安全研究的热点之一 所以研究  
Android  
随着智能手机的不断发展  
系统逐渐占  
。 ,  
据了全球手机操作系统大部分的市场份额 然而  
。
恶意软件分类检测方法迫在眉睫  
静态检测是 恶意软件检测中常用的  
系统的盛行也使它成为了恶意软件最大的  
Android  
Android  
。
３６０  
《
２０１６  
。 []  
２
发展平台  
公司发布的  
年中国手机安全  
检测方法 文献 提出一种基于权限相关性的  
[]  
１
》 ,  
状况报告 显示  
,
恶意软件检测方案 实现了对恶意软件  
互联网安全中心  
年全年  
３６０  
２０１６  
Android  
,
万个 平  
。 []  
使用  
３ Android  
共截获  
平台新增恶意软件  
的初步快速检测 文献  
权限信  
Android  
１４０３.３  
:
收稿日期  
２０１６-１２-３０．  
:
(
);  
中国民航科技基金项目  
(
, )  
基金项目 国家科技重大专项项目  
２０１２ZX０３００２００２  
MHRD２０１００９MHRD２０１２０５．  
: ( ), , ,  
:
:
作者简介 杨宏宇 男 教授 博士 研究方向 网络信息安全  
１９６９  
．
．E-mail hxlx＠hotmail．com  
yy  
· ·  
５６５  
, :  
杨宏宇 等  
第
期
恶意软件静态检测模型  
２
Android  
,
,
息作为特征并进行优化选择 创建基于改进朴素  
表
中 前 个信息项的标签属性为文本类  
１ ３  
贝叶斯的恶意应用分 类器并取得较好的分类效  
,
。
型 后两个信息项的属性为数值型 为了便于提  
。 []  
文 献 提 出 一 种 基 于 支 持 向 量 机 的  
果
４
,
,
取属性值 本文选取前 个信息项作为属性集合  
３
,
恶意软件检测方案 利用危险权限组合  
Android  
、
即
＜uses-ermission＞ ＜intent-filter＞＜action  
p
,
和脆弱性  
调用作为特征属性并建立分类器  
API  
。 ,  
其 中 程 序  
和
＞ ＜intent-filter＞＜cateor＞  
gy  
。 []  
自动区分恶意软件和良性软件 文献 提出一  
５
,
在运行时会使用各种权限 这些权限需要提前在  
文 件 的 中 进 行 配  
,
种基于对比权限模式的恶意软件检测方法 利用  
关联规则挖掘算法对 应用程序进行频繁项集挖  
Manifest  
＜uses-ermission＞  
p
;
Intent  
置
组件是  
应用间通信的一个关  
Android  
,
掘 提取出恶意软件与正常软件在权限模式使用  
,
键组件  
用于描述  
组件的  
Intent  
＜intent-filter＞  
,
上的区别规则 并在此基础上建立组合分类器用  
, ( )、 (  
) ,  
等 分  
各种属性 如动作  
类型  
cateor  
gy  
action  
。 , [,]  
恶意软件检测 其中 文献 只针  
于
对
Android  
Android  
２３  
别对应于  
标签项中的  
＜action＞  
＜intent-filter＞  
,
应用的权限信息进行检测分析 检测  
。
标签 这两类标签项中配置的属  
和
＜cateor＞  
gy  
; [,]  
。
综
范围不够全面 文献 检测精度都不够高  
４５  
性值显示了应用程序在运行中所申请的权限信息  
,
上所述 目前的检测研究成果在检测精度和检测  
。
以及与其他应用程序或系统资源间的交互信息  
上述 个标签项的属性值能够有效反映出应用程  
。
效率方面还存在诸多不足  
３
本文提出一种  
恶意软件静态检测模  
Android  
,
序在运行过程中可能进行的操作 因此本文选取  
,
型 对  
应用程序安装包文件进行逆向处  
文件中的三种标  
Android  
。
,
理 提取  
这
个标签项中的属性值作为特征属性  
３
AndroidManifest.xml  
,
签项的属性值作为特征属性 采用信息增益算法  
静态检测模型  
[,]对特征属性进行优化  
２
６７  
(
, )  
InformationainIG  
g
,
。
应用进行检测分类  
选择 建立分类器对  
Android  
检测模型  
２.１  
,
实验结果表明 本文方法可有效提高  
恶
Android  
。
静态检测模型结构如图 所示 该模型主要  
１
。
意软件检测效率  
、
、
、
包括逆向处理 特征提取 生成特征向量 特征属  
。
性优化和检测分类等过程 模型处理过程设计如  
特征属性选择  
１
:
下
(
文 件 以 下 简 称  
AndroidManifest.xml  
()  
反编译样本集中的  
,
安装包文件  
Android  
１
)
文件 是每一个  
应用程序中必  
Manifest  
Android  
。
生成对应  
文件  
AndroidManifest.xml  
,
不可少的组成部分 必须在该文件中声明应用程  
()  
分别对  
文件 中 的  
２
AndroidManifest.xml  
、
、
序的名称 应用程序运行时所需申请的权限和各  
标签 项  
＜uses-ermission＞ ＜intent-filter＞＜  
p
,
类组件的信息等 上述信息相当于应用程序的配  
和
进 行 属  
action＞ ＜intent-filter＞＜cateor＞  
gy  
。
,
文件中有许多标签项 例如  
＜
置信息  
Manifest  
,
性值提取 并根据所提取出的属性值统计每个属  
、
、
,
等
uses-sdk＞ ＜ermission＞ ＜alication＞  
p
pp  
,
性值出现的次数并排序 将使用频率高的属性值  
文件通过给各标签项添加相应属性值实  
Manifest  
。
组合成为特征集合  
()  
。
现对应用程序的配置  
表
列出了  
组
１ ５ Manifest  
。
根据特征集合对比与每个  
安装  
文件中常用于恶意软件静态检测的标签项  
３
Android  
包文件提取出的属性值 生成相应特征向量集合  
()  
表
静态检测常用标签项  
１
,
。
Table１ Labelsoftenusedinstaticdetection  
标签项  
使用属性特征优化算法对特征属性进行  
４
类
型
,
优化选择 对生成的特征向量集合进行特征属性  
文本型  
文本型  
文本型  
数值型  
数值型  
＜uses-ermission＞  
p
,
优化排序 根据排序结果选取更具有代表性的特  
＜intent-filter＞＜action＞  
。
征属性并生成优化特征向量集合  
()  
＜intent-filter＞＜cateor＞  
gy  
将经过优化的特征向量集合分为训练集  
５
＜intent-filter＞＜riorit＞  
p y  
,
和测试集 使用机器学习分类算法对训练集进行  
重定义的  
数
ermission  
p
,
。
训练 并对测试集进行检测分类  

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