基于BHNB的细粒度的Android恶意应用检测模型

• 作者: 孙磊 韩静丹
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: Android 动态分析 层次朴素贝叶斯 集成学习 恶意应用检测
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 安全技术
• 页码范围: 310-315
• 页数: 6页
• 分类号: TP301
• 字数: 4832字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2017.10.055

摘要

为进一步提高Android恶意应用的检测效率,提出一种基于BHNB(Bagging Hierarchical Naǐve Bayesian)的细粒度Android恶意应用检测模型.该模型首先对样本库中的应用进行类别划分,并分别对其进行动态分析,提取各个应用程序的行为信息作为特征;然后,采用层次朴素贝叶斯HNB(Hierarchical Naǐve Bayesian)分类算法对各类应用特征集合进行分别训练,从而构建出多个层次朴素贝叶斯分类器;最后,采用Bagging集成学习方法对构建出的多个层次朴素贝叶斯分类器进行集成学习,构建出基于层次朴素贝叶斯的Bagging集成学习分类器BHNB.实验结果表明,该模型能够有效检测出Android恶意应用,且检测效率较高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙磊		30	141	7.0	11.0
2	韩静丹		1	1	1.0	1.0