基于隐马尔科夫模型的移动应用端行为模式识别
随着移动应用的普及,作为恶意行为识别的基础,移动应用端的行为模式分析也成为当前研究热点。本文创新地从系统环境数据入手,通过对系统多方面数据的监控,建立隐马尔可夫模型,使用该模型对后续行为产生的系统环境数据进行隐马尔科夫估值计算,从而实现对后续行为模式的识别,同时在后续识别过程中不断优化模型。本文通过实验证明该方式具有一定有效性,为移动应用端行为模式识别提供了更多可能。
移动应用端、隐马尔可夫模型、行为模式
35
TP311.5(计算技术、计算机技术)
云南省教育厅科学研究基金项目基于动态检测的Android平台应用程序恶意行为分析研究编号1405178332。
2016-07-29(万方平台首次上网日期,不代表论文的发表时间)
共3页
173-175