基于N-gram算法的恶意程序检测系统研究与设计

• 作者: 张家旺 李燕伟
• 来源期刊: 信息网络安全
• 学科: 工学
• 关键词: 机器学习 恶意代码检测 N-gram Android应用
• 年，卷（期）: 2016,（8）
• 所属期刊栏目: 理论研究
• 页码范围: 74-80
• 页数: 7页
• 分类号: TP309
• 字数: 6334字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-1122.2016.08.012

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。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张家旺		3	26	2.0	3.0
2	李燕伟		2	26	2.0	2.0