Android恶意软件检测方法研究

摘要：

针对Android恶意软件泛滥的局面，提出了一种基于行为的恶意软件动态检测的方法。首先，综合收集软件运行时的动态信息，包括软件运行时系统的信息和软件的内核调用信息，并将内核调用序列截断成定长短序列的形式。其次，将各方面信息统一为属性、属性值的形式。以信息增益作为指标，选用C4.5算法筛选出信息增益高、作用不重叠的属性，并依据信息增益的大小为各属性正比分配权重因子。最后，用K最近邻算法完成机器学习，识别出与样本类似的恶意软件，并将未知类型的软件标记为疑似恶意。实验结果表明，该方法识别率高、误报率低。通过增大学习样本库，识别的效果可以进一步提高。

关键词：Android安全、恶意软件、动态检测、机器学习

分类号：TP309(计算技术、计算机技术)

资助基金：2012教育部博士点基金20126102110036

在线出版日期：2014-04-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：149-152