10.19678/j.issn.1000-3428.0056277
基于特征加权的深度学习Android恶意检测系统研究
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.
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
46
TP316(计算技术、计算机技术)
国家自然科学基金61772194
2021-01-26(万方平台首次上网日期,不代表论文的发表时间)
共7页
174-180