基于N-gram的Android恶意检测

作     者：章宗美 桂盛霖 任飞 ZHANG Zong-mei;GUI Sheng-lin;REN Fei

作者机构：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 

基　　金：国家自然科学基金(61401067)资助 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2019年第46卷第2期

页      码：145-151页

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。

主 题 词：Android应用 恶意检测 N-gram 深度置信网络 静态检测 

学科分类：0839[0839] 08[工学] 081201[081201] 0812[工学-测绘类] 

D　O　I：10.11896/j.issn.1002-137X.2019.02.023

馆 藏 号：203458538...