文献检索-宁波市创意产业特色资源库

限定检索结果

基于CNN的Android恶意代码检测方法: 收藏
分享
引用; 《北京工业大学学报》2020年第11期46卷 1230-1238页; 作者：赖英旭陈业殷刘智子罗叶红刘静北京工业大学信息学部北京100124 信息保障技术重点实验室北京100072 西安电子科技大学陕西省网络与系统安全重点实验室西安710071; 针对传统Android恶意应用检测技术无法对当前爆发增长的恶意应用进行高效检测,对移动终端安全造成严重威胁的问题,利用深度学习中卷积神经网络(convolutional neural network,CNN)的分类算法,设计并实现了一种基于静态权限特征的恶意应...; 针对传统Android恶意应用检测技术无法对当前爆发增长的恶意应用进行高效检测,对移动终端安全造成严重威胁的问题,利用深度学习中卷积神经网络(convolutional neural network,CNN)的分类算法,设计并实现了一种基于静态权限特征的恶意应用检测方案.首先,对Android应用包反编译获取***文件,从中提取出应用申请的系统权限;然后,根据权限危险级别将权限列表特征化,获得权限特征数据集,进而,对CNN多次训练,获得应用类别分类器;最后,用分类器判断应用是否包含恶意代码.实验结果表明,检测方案的准确率达到98.8%,能够高效判断Android平台中的恶意应用,降低安全威胁.; 来源：详细信息评论

限定检索结果