基于特征贡献度的安卓恶意应用检测

摘要：

为提高Android恶意软件检测准确率,提出一种基于特征贡献度的特征选择算法.针对现有Android应用数据集特征的分布特点,通过计算特征的类内以及类间贡献度,设定阈值筛选出贡献度高的特征数据,用于恶意应用检测分类.实验结果表明,所提算法能有效且可靠地检测恶意应用,其准确率和召回率十分接近,适用于恶意应用检测;与传统特征选择算法相比,该算法可以在较少特征数量的情况下达到理想的检测效果.

关键词：Android系统、恶意应用、特征选择算法、特征贡献度、机器学习

所属期刊栏目：41

分类号：TP393.0(计算技术、计算机技术)

资助基金：西南科技大学博士基金项目10zx7154

在线出版日期：2020-04-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：928-932