基于特征加权的深度学习Android恶意检测系统研究

作     者：葛文麒 杨清 廖俊国 何羽轩 GE Wenqi;YANG Qing;LIAO Junguo;HE Yuxuan

作者机构：湖南科技大学计算机科学与工程学院湖南湘潭411201 湖南科技大学潇湘学院计算机系湖南湘潭411201 

基　　金：国家自然科学基金(61772194) 

出 版 物：《计算机工程》 (Computer Engineering)

年 卷 期：2020年第46卷第11期

页      码：174-180页

摘      要：当前Android系统恶意应用程序数量增长迅猛,然而传统检测系统无法对其进行快速有效检测,移动终端安全性面临严重威胁。提出一种将特征加权与双向长短期记忆(Bi-LSTM)神经网络深度学习算法相结合的恶意检测系统。采用静态分析方法从恶意与良性应用程序中提取不同类型行为特征,利用特征加权方法消除噪声与不相关因素后构建特征向量,使用Bi-LSTM深度学习算法优化行为特征参数,并设计恶意与良性应用程序分类模型,建立特征加权与深度学习算法相结合的恶意应用程序检测系统。实验结果表明,与支持向量机、RNN等传统检测系统相比,该系统对恶意应用程序具有较高的检测精度与准确率。

主 题 词：Android系统 恶意应用 特征加权 深度学习 双向长短期记忆神经网络 

学科分类：08[工学] 0835[0835] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.19678/j.issn.1000-3428.0056277

馆 藏 号：203990013...