基于统计学特征的Android恶意应用检测方法

• 作者: 冷波 李建彬
• 来源期刊: 计算机应用研究
• 关键词: 统计学特征 机器学习 个体差异性 恶意应用检测
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 信息安全技术
• 页码范围: 2469-2472
• 页数: 4页
• 分类号: TP309.2
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.03.0173

摘要

针对Android恶意应用检测中忽略特征统计学意义的问题,提出一种基于统计学特征的Android恶意应用检测方法.该方法提取应用统计学特征作为训练数据集,并采用聚类算法预处理恶意数据集以降低个体差异性对实验结果的影响;另一方面,该方法结合特征和多种机器学习算法(如线性回归、神经网络等)建立了检测模型,提出的两个模型准确率均能达到95％以上,检测时间相比于对比实验也能大幅度降低.实验结果表明,应用的统计学特征能够很好地区分良性和恶意应用,并且通过聚类算法预处理数据能够提高检测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冷波	中南大学信息科学与工程学院	1	2	1.0	1.0
2	李建彬	中南大学信息安全与大数据研究院	3	17	2.0	3.0