基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文提出了一种基于深度学习算法的安卓恶意软件检测原理.该原理的实现主要由APK代码静态特征和动态特征提取、深度学习模型建立、成熟深度学习模型仿真检测未知APK三个步骤组成.并且该技术相比于传统的恶意代码检测算法,执行检测的效率有较大的提高.
推荐文章
基于深度自编码和决策树的恶意域名检测
恶意域名检测
深度自编码
决策树
域名统计特征
重构误差
基于最小距离分类器的Android恶意软件检测方案
最小距离分类器
安卓
权限频率
恶意软件检测
数据挖掘
基于机器学习算法的Android恶意程序检测系统
随机森林
恶意代码检测
多类特征
安卓应用
机器学习
期刊_基于深度学习的目标检测技术的研究综述
计算机视觉
深度学习 目标检测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于深度学习技术的恶意APP检测方案
来源期刊 网络安全技术与应用 学科
关键词 安卓系统 深度学习技术 恶意代码
年,卷(期) 2017,(3) 所属期刊栏目 无线通信与移动互联网安全
研究方向 页码范围 108
页数 1页 分类号
字数 1218字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈新 25 69 4.0 7.0
2 张海舰 3 5 1.0 2.0
3 方舟 2 5 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (4)
同被引文献  (26)
二级引证文献  (1)
2017(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(2)
  • 引证文献(1)
  • 二级引证文献(1)
2020(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
安卓系统
深度学习技术
恶意代码
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
网络安全技术与应用
月刊
1009-6833
11-4522/TP
大16开
北京市
2-741
2001
chi
出版文献量(篇)
13340
总下载数(次)
61
总被引数(次)
33730
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导