基于N-gram算法的恶意程序检测系统研究与设计

摘要：

文章针对恶意程序检测中难以检测未知恶意程序等问题，提出了一种提取恶意程序语义特征的方法。该方法使用N-gram算法对提取的Android应用程序的权限和API特征建立语义特征序列，并对特征序列进行筛选处理，获得了更具代表性的行为特征序列。首先，为了增加特征的有效性，经验丰富的恶意程序分析专家为每个Android SDK中的API函数添加相应的权重，并使用出现频次和权重值重新计算N-gram序列中每个元素的特征值，从而构建了改进的N-gram序列模型。然后，使用多种机器学习算法进行分类检测，验证其有效性。实验结果表明，提取的特征及改进的N-gram算法可以有效检测Android平台上的恶意程序。

关键词：机器学习、恶意代码检测、N-gram、Android应用

分类号：TP309(计算技术、计算机技术)

资助基金：国家自然科学基金61402125

在线出版日期：2016-09-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：74-80