基于LSTM-SVM模型的恶意软件检测方法

摘要：

为了提高Android恶意软件的检测精度,提出了一种基于LSTM-SVM(Long Short-Term Memory-Support Vector Machine)模型的Android恶意软件静态检测方法.通过反编译Android软件的APK(Android Package)文件,提取出采用权限、组件、意图3类信息构成XML特征;通过分析API(Application Programming Interface)调用情况构成API特征.考虑恶意软件运行的时序性、特征维度等,基于XML特征构建LSTM异常检测模型,基于API特征构建SVM异常检测模型,两个模型采用并联模式,基于概率差融合算法得到最终的检测结果.在CICAndMal2017数据集上的实验结果表明,本文方法的检测精度可以达到98％以上.

关键词：Android恶意软件、静态检测、长短期记忆网络(LSTM)、支持向量机(SVM)

所属期刊栏目：48

分类号：TP399(计算技术、计算机技术)

在线出版日期：2022-10-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：677-684