面向Android恶意应用静态检测的特征频数差异增强算法

• 作者: 孔珂 李向军 王科选 肖聚鑫 魏智翔
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 特征频数差异增强算法 权重损失函数 特征选择 非典型特征 恶意应用
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 计算机网络与信息安全
• 页码范围: 993-1002
• 页数: 10页
• 分类号: TP393.081
• 字数: 8611字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2020.06.006

摘要

随着Android应用程序数量的快速增长,面向Android应用程序的安全性检测已成为网络安全领域的热点研究问题之一.针对恶意应用静态检测的特征选择,给出了良性特征、恶意特征、良性典型特征、恶意典型特征、非典型特征等概念,设计提出了特征频数差异增强算法FDE.FDE算法通过计算特征出现在良性与恶意应用中的频数,去除静态特征中的非典型特征.为合理验证算法的目标效果和性能优劣,分别设计了基于平衡数据与非平衡数据的实验,对于非平衡数据,引入了权重损失函数.实验结果表明,FDE算法可有效去除静态特征中的非典型特征,筛选出有效特征,权重损失函数可有效提高非平衡数据中的恶意数据识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李向军	南昌大学软件学院	28	266	8.0	16.0
5	孔珂	南昌大学计算机科学与技术系	1	0	0.0	0.0
6	魏智翔	南昌大学软件学院	1	0	0.0	0.0
7	王科选	南昌大学软件学院	1	0	0.0	0.0
8	肖聚鑫	南昌大学软件学院	1	0	0.0	0.0