基于集成学习的安卓恶意程序检测技术

• 作者: 李孔渤 王春东
• 来源期刊: 天津理工大学学报
• 学科: 工学
• 关键词: 安卓恶意程序检测 静态检测 集成学习 DECORATE
• 年，卷（期）: 2019,（4）
• 页码范围: 43-46,57
• 页数: 5页
• 分类号: TP391.4
• 字数: 3400字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-095X.2019.04.010

摘要

随着安卓恶意程序的数量的急剧增加,恶意程序检测已成为一个重要的研究课题.然而,目前许多研究表明,恶意程序的检测仍然需要改进,安卓的碎片问题和需要root权限,阻碍了这些方法的广泛使用.现有的杀毒程序依赖于需要实时更新的签名数据库,这无法检测出零日恶意程序.在本文中,我们提取了安卓程序中的特征,进行混合,选择集成算法中的DECORATE算法,并用WEKA工具辅助进行分类恶意程序的检测.该方法最终达到95.8％的检测精度,同时我们在真实的数据集上经过十折交叉验算实验及对比.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王春东	天津理工大学计算机科学与工程学院	68	388	11.0	17.0
2	李孔渤	天津理工大学计算机科学与工程学院	1	0	0.0	0.0