吉林大学学报(工学版) ›› 2018, Vol. 48 ›› Issue (2): 564-570.doi: 10.13229/j.cnki.jdxbgxb20161422
杨宏宇, 徐晋
YANG Hong-yu, XU Jin
摘要： 为解决Android恶意应用泛滥的问题,提出一种Android恶意应用静态检测模型。模型选取AndroidManifest.xml文件中3个标签项属性值作为特征属性,采用信息增益(IG)算法对特征属性进行优化选择,根据优化结果生成对应特征向量集合。最后,应用知识分析Waikato环境(WEKA)的4种机器学习分类算法对特征向量集合进行检测和分类。实验结果表明,本文提出的静态检测模型具有较好的检测分类效果。
中图分类号:
| [1] 安全客. 2016年 Android恶意软件专题报告[EB/OL].[2016-02-27].http://bobao.360.cn/learning/detail/3539.html. [2] 张锐,杨吉云. 基于权限相关性的Android恶意软件检测[J]. 计算机应用, 2014, 34(5): 1322-1325. Zhang Rui, Yang Ji-yun. Android malware detection based on permission correlation[J]. Journal of Computer Applications, 2014, 34(5): 1322-1325. [3] 许艳萍,伍淳华,侯美佳,等. 基于改进朴素贝叶斯的Android恶意应用检测技术[J]. 北京邮电大学学报, 2016, 39(2): 43-47. Xu Yan-ping, Wu Chun-hua, Hou Mei-jia, et al. Android malware detection technology based on improved naive Bayesian[J]. Journal of Beijing University of Posts and Telecommunications, 2016, 39(2): 43-47. [4] Li Wen-jia, Ge Ji-gang, Dai Gu-qian. Detecting malware for Android platform: an SVM-based approach[C]∥ IEEE International Conference on Cyber Security and Cloud Computing. Piscataway, New Jersey, USA: IEEE, 2015: 464-469. [5] 张乐峰, 肖茹玥, 张雨峰,等. 基于对比权限模式的恶意软件检测方法[J]. 微电子学与计算机, 2015, 44(7):112-115. Zhang Le-feng, Xiao Ru-yue, Zhang Yu-feng, et al. A malware detection method based on contrasting permission patterns[J]. Microelectronics & Computer, 2015, 44(7):112-115. [6] Feizollah A, Anuar N B, Salleh R, et al. A review on feature selection in mobile malware detection[J]. Digital Investigation, 2015, 6(13): 22-37. [7] Sharma A, Dash S K. Mining API Calls and Permissions for Android Malware Detection[M]. Berlin, Germany: Springer, 2014: 191-205. [8] 丰生强. Android软件安全与逆向分析[M]. 北京:人民邮电出版社, 2013. [9] ApkTool[EB/OL]. [2017-02-15]. http://www.softpedia.com/get/Programming/Debuggers-Decompilers-Dissasemblers/ApkTool.shtml. [10] python[EB/OL].[2017-02-15]. https://www.python.org/. [11] Zhou Ya-jin, Jiang Xu-xian. Dissecting Android malware: characterization and evolution [C]∥ IEEE Symposium on Security & Privacy. Piscataway, New Jersey, USA: IEEE, 2012: 95-109. [12] 李航. 统计学习方法[M]. 北京:清华大学出版社,2012:47-52. [13] 刘晓莹, 杨宝华. 一种改进的SMO分类算法[J]. 滁州学院学报, 2016, 35(2): 30-32. Liu Xiao-ying, Yang Bao-hua. An improved SMO classification algorithm[J]. Journal of Chuzhou University, 2016, 35(2): 30-32. [14] Roger Wong. Classifier-meta-Bagging algorithm source code analysis in Weka[EB/OL]. [2017-03-11]. http://blog.csdn.net/ROger_wonG/article/details/39271181. |
| [1] | 刘富,宗宇轩,康冰,张益萌,林彩霞,赵宏伟. 基于优化纹理特征的手背静脉识别系统[J]. 吉林大学学报(工学版), 2018, 48(6): 1844-1850. |
| [2] | 王利民,刘洋,孙铭会,李美慧. 基于Markov blanket的无约束型K阶贝叶斯集成分类模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1851-1858. |
| [3] | 金顺福,王宝帅,郝闪闪,贾晓光,霍占强. 基于备用虚拟机同步休眠的云数据中心节能策略及性能[J]. 吉林大学学报(工学版), 2018, 48(6): 1859-1866. |
| [4] | 赵东,孙明玉,朱金龙,于繁华,刘光洁,陈慧灵. 结合粒子群和单纯形的改进飞蛾优化算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1867-1872. |
| [5] | 刘恩泽,吴文福. 基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1873-1878. |
| [6] | 欧阳丹彤, 范琪. 子句级别语境感知的开放信息抽取方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1563-1570. |
| [7] | 董飒, 刘大有, 欧阳若川, 朱允刚, 李丽娜. 引入二阶马尔可夫假设的逻辑回归异质性网络分类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1571-1577. |
| [8] | 刘富, 兰旭腾, 侯涛, 康冰, 刘云, 林彩霞. 基于优化k-mer频率的宏基因组聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1593-1599. |
| [9] | 桂春, 黄旺星. 基于改进的标签传播算法的网络聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1600-1605. |
| [10] | 刘元宁, 刘帅, 朱晓冬, 陈一浩, 郑少阁, 沈椿壮. 基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1606-1613. |
| [11] | 车翔玖, 王利, 郭晓新. 基于多尺度特征融合的边界检测算法[J]. 吉林大学学报(工学版), 2018, 48(5): 1621-1628. |
| [12] | 赵宏伟, 刘宇琦, 董立岩, 王玉, 刘陪. 智能交通混合动态路径优化算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1214-1223. |
| [13] | 黄辉, 冯西安, 魏燕, 许驰, 陈慧灵. 基于增强核极限学习机的专业选择智能系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1224-1230. |
| [14] | 傅文博, 张杰, 陈永乐. 物联网环境下抵抗路由欺骗攻击的网络拓扑发现算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1231-1236. |
| [15] | 曹洁, 苏哲, 李晓旭. 基于Corr-LDA模型的图像标注方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1237-1243. |
|