基于集成分类的恶意应用检测方法

• 作者: 姜海涛 郭雅娟 陈昊 黄伟
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 安卓 分类 集成学习 恶意应用检测 静态分析 支持向量机 特征选择
• 年，卷（期）: 2016,（1）
• 页码范围: 35-40
• 页数: 6页
• 分类号: TP319
• 字数: 4970字
• 语种: 中文
• DOI: 10.14177/j.cnki.32-1397n.2016.40.01.006

摘要

针对难以准确判断单一的特征和单一的数据挖掘算法对于恶意应用检测精度影响的问题,该文提出了一种基于集成分类的恶意应用检测方法,该方法以安卓平台上的应用为研究对象,采用静态分析方法提取三类特征:权限特征、组件特征和函数调用特征;在此基础上,分别为每一类特征应用多种基分类器建立分类模型,并采用集成学习的思想设计一致性函数产生多种基分类器的决策结果作为某一特征上的分类结果;最后,再次采用集成学习的思想,融合每一类特征的分类结果,产生面向多特征的恶意应用分类结果. 针对应用市场的真实应用的检测分析结果表明:面向多特征的集成分类检测方法能提高恶意应用检测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄伟	江苏省电力公司电力科学研究院	7	108	4.0	7.0
2	陈昊	江苏省电力公司电力科学研究院	31	183	9.0	11.0
3	郭雅娟	江苏省电力公司电力科学研究院	12	67	5.0	7.0
4	姜海涛	江苏省电力公司电力科学研究院	3	15	2.0	3.0