Android恶意软件检测方法研究

作者：冯博; 戴航; 慕德俊

来源：计算机技术与发展, 2014, (02): 149-152.

• Android安全
• 恶意软件
• 动态检测
• 机器学习 Android security
• malware
• dynamic detection
• machine learning

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。

• 出版日期2014
• 单位西北工业大学