依特征频率的安卓恶意软件异常检测的研究

• 作者: 尹传环 张玉玲
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 安卓系统 恶意软件 数据挖掘 异常检测 svdd 隐含特征 单分类器 特征频率
• 年，卷（期）: 2018,（2）
• 页码范围: 168-173
• 页数: 6页
• 分类号: TP391
• 字数: 4067字
• 语种: 中文
• DOI: 10.11992/tis.201609016

摘要

Android系统由于开源性和可移植性等优点,成为市场占有率最高的移动操作系统.针对Android的各种攻击也层出不穷,面向Android的恶意软件检测已成为近些年移动安全领域非常重要的一个环节.面临的问题包括恶意软件收集困难,异常样本和正常样本比例不平衡.为了有效应对上述问题,提出了Droid-Saf框架,框架中提出了一种挖掘数据隐含特征的数据处理方案;把样本特征包含的隐藏信息当作新的特征;建模时将样本特征融入算法当中,建立动态的松弛变量.应用静态分析方法反编译apk,用改进的svdd单分类器分类,克服了恶意软件检测系统中非正常软件收集困难的不足,降低了异常检测的漏报率和误判率.实验结果验证了该算法的有效性和适用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	尹传环	北京交通大学计算机与信息技术学院	14	117	7.0	10.0
2	张玉玲	北京交通大学计算机与信息技术学院	3	9	1.0	3.0