基于移动软件行为大数据挖掘的恶意软件检测技术

• 作者: 任环 姜青山 张凯 张巍 李成明
• 来源期刊: 集成技术
• 学科: 工学
• 关键词: Android恶意软件检测 特征选择 特征提取 集合分类算法
• 年，卷（期）: 2016,（2）
• 页码范围: 29-40
• 页数: 12页
• 分类号: TP391.3
• 字数: 7203字
• 语种: 中文

摘要

目前移动恶意软件数量呈爆炸式增长，变种层出不穷，日益庞大的特征库增加了安全厂商在恶意软件样本处理方面的难度，传统的检测方式已经不能及时有效地处理软件行为样本大数据。基于机器学习的移动恶意软件检测方法存在特征数量多、检测准确率低和不平衡数据的问题。针对现存的问题，文章提出了基于均值和方差的特征选择方法，以减少对分类无效的特征；实现了基于不同特征提取技术的集合分类方法，包括主成分分析、Kaehunen-Loeve 变换和独立成分分析，以提高检测的准确性。针对软件样本的不平衡数据，文章提出了基于决策树的多级分类集成模型。实验结果表明，文章提出的三种检测方法都可以有效地检测 Android平台中的恶意软件样本，准确率分别提高了6.41%、3.96%和3.36%。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张凯	中国科学院深圳先进技术研究院	105	1451	21.0	34.0
5	张巍	中国科学院深圳先进技术研究院	49	254	8.0	14.0
9	姜青山	中国科学院深圳先进技术研究院	8	51	4.0	7.0
10	李成明	中国科学院深圳先进技术研究院	5	43	3.0	5.0
11	任环	中国科学院深圳先进技术研究院	2	24	2.0	2.0