Android运行时恶意行为检测模型研究
为实现Android应用程序恶意行为的有效分析,提出了基于HMMs-SVM的程序行为分类模型,将隐马尔可夫模型(HMM)和支持向量机(SVM)相结合,以动态行为序列作为关键特征,对移动应用软件运行中的网络收发、文件访问等行为建模.该模型融合了HMM和SVM的优势,并克服了二者的不足,适合于在获取连续动态行为特征序列后进行行为分类.实验结果表明,该方法分析召回率较高,可以有效对应用中的异常行为进行捕捉,并可以将其按类型分类.
隐马尔可夫模型、支持向量机、恶意行为、智能终端
37
TP309(计算技术、计算机技术)
国家自然科学基金项目61302087;国家科技支撑计划项目2012BAH06B02;教育部博士点基金项目20120005110017
2014-08-29(万方平台首次上网日期,不代表论文的发表时间)
58-61,88