基于深度神经网络的Android恶意软件检测方法

• 作者: 孙彦 杜学绘 杨智 超凡
• 来源期刊: 网络与信息安全学报
• 学科: 工学
• 关键词: 安卓 恶意软件检测 静态分析 特征选择 深度神经网络
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 学术论文
• 页码范围: 67-79
• 页数: 13页
• 分类号: TP309.5
• 语种: 中文
• DOI: 10.11959/j.issn.2096-109x.2020060

摘要

Android系统正日益面临着恶意软件的攻击威胁.针对支持向量机等传统机器学习方法难以有效进行大样本多分类的恶意软件检测,提出一种基于深度神经网络的Android恶意软件检测与家族分类方法.该方法在全面提取应用组件、Intent Filter、权限、数据流等特征基础上,进行有效的特征选择以降低维度,基于深度神经网络进行面向恶意软件的大样本多分类检测.实验结果表明,该方法能够进行有效检测和分类,良性、恶意二分类精度为97.73％,家族多分类精度可达到93.54％,比其他机器学习算法有更好的分类效果.