基于APK签名信息反馈的Android恶意应用检测

• 作者: 冯丙文 刘新宇 张悦 翁健 翁嘉思
• 来源期刊: 通信学报
• 学科: 工学
• 关键词: 误报率 恶意应用 启发式学习 有效性 检测率
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 学术通信
• 页码范围: 190-198
• 页数: 9页
• 分类号: TP309.1
• 字数: 7117字
• 语种: 中文
• DOI: 10.11959/j.issn.1000-436x.2017095

摘要

提出一种新的基于APK签名信息反馈的Android恶意应用检测方法(SigFeedback).该方法在SVM分类算法的基础上采用启发式规则学习的方式对特征值进行提取,并对检测集中的APK签名信息进行验证筛选,实现了启发式反馈,达到更加准确地检测恶意应用的目的.SigFeedback检测算法具有检测率高、误报率低的特点.最后通过实验显示SigFeedback算法具有较高的效率,且能使误报率从13％降低到3％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张悦	暨南大学信息科学技术学院	19	73	5.0	7.0
2	翁健	暨南大学信息科学技术学院	15	170	7.0	13.0
3	冯丙文	暨南大学信息科学技术学院	6	43	2.0	6.0
4	刘新宇	暨南大学信息科学技术学院	3	19	3.0	3.0
5	翁嘉思	暨南大学信息科学技术学院	1	10	1.0	1.0