依特征频率的安卓恶意软件异常检测的研究
Android系统由于开源性和可移植性等优点,成为市场占有率最高的移动操作系统.针对Android的各种攻击也层出不穷,面向Android的恶意软件检测已成为近些年移动安全领域非常重要的一个环节.面临的问题包括恶意软件收集困难,异常样本和正常样本比例不平衡.为了有效应对上述问题,提出了Droid-Saf框架,框架中提出了一种挖掘数据隐含特征的数据处理方案;把样本特征包含的隐藏信息当作新的特征;建模时将样本特征融入算法当中,建立动态的松弛变量.应用静态分析方法反编译apk,用改进的svdd单分类器分类,克服了恶意软件检测系统中非正常软件收集困难的不足,降低了异常检测的漏报率和误判率.实验结果验证了该算法的有效性和适用性.
安卓系统、恶意软件、数据挖掘、异常检测、svdd、隐含特征、单分类器、特征频率
13
TP391(计算技术、计算机技术)
国家自然科学基金项目61105056
2018-04-11(万方平台首次上网日期,不代表论文的发表时间)
共6页
168-173