基于随机森林算法的Android恶意行为识别与分类方法

• 作者: 张寒青 柯懂湘 潘丽敏 罗森林
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: Android安全 机器学习 随机森林(RF) 恶意软件检测 恶意行为分类
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 自动化技术、计算机技术
• 页码范围: 2013-2023
• 页数: 11页
• 分类号: TP399
• 字数: 8124字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2019.10.019

摘要

针对当前Android恶意软件检测方法对检测出的恶意行为无法进行识别和分类的问题,提出基于随机森林(RF)算法的Android恶意行为的识别与分类方法.该方法在对Android恶意软件的类型进行定义的基础上,利用融合多种触发机制的Android恶意行为诱导方法触发软件的潜在恶意行为;通过Hook关键系统函数对Android软件行为进行采集并生成行为日志,基于行为日志提取软件行为特征集;使用随机森林算法,对行为日志中的恶意行为进行识别与分类.实验结果表明,该方法对Android恶意软件识别的准确率达到91.6％,对恶意行为分类的平均准确率达到96.8％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗森林	北京理工大学信息系统及安全对抗实验中心	121	821	14.0	23.0
2	潘丽敏	北京理工大学信息系统及安全对抗实验中心	66	402	10.0	17.0
3	张寒青	北京理工大学信息系统及安全对抗实验中心	2	2	1.0	1.0
4	柯懂湘	北京理工大学信息系统及安全对抗实验中心	2	3	1.0	1.0