基于特征占比差的恶意软件检测方法

摘要：

基于机器学习的Android平台恶意软件检测方法提取的权限信息特征维度高且类别区分能力弱,导致检测精度低及复杂度高.为此,提出一种基于特征占比差与加权随机森林的恶意软件检测方法.通过获取Android软件的权限信息和硬件组件信息,分析各类特征的占比差,并将特征属性作为分类模型的输入.在此基础上,对随机森林中的树模型赋予不同的权值,验证树模型对最终分类结果的影响.实验结果表明,与神经网络方法相比,基于特征占比差的特征构建方法所提取的特征具有较好的类别区分能力,且改进后的随机森林能提高恶意软件检测的准确性.

关键词：Android安全、恶意软件检测、特征提取、特征占比差、随机森林

所属期刊栏目：45

分类号：TP399(计算技术、计算机技术)

资助基金：国家自然科学基金61806033;重庆市技术创新与应用示范项目cstc2018jscx-msybX0136;重庆文理学院校级科研项目2017ZRJ24

在线出版日期：2019-08-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：309-314