基于静态行为特征的细粒度Android恶意软件分类

• 作者: 徐建 袁倩婷 许逸超
• 来源期刊: 计算机应用研究
• 关键词: Android 静态特征 细粒度恶意分类
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 信息安全技术
• 页码范围: 3101-3106
• 页数: 6页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2019.05.0220

摘要

由于Android系统的开放性,恶意软件通过实施各种恶意行为对Android设备用户构成威胁.针对目前大部分现有工作只研究粗粒度的恶意应用检测,却没有对恶意应用的具体行为类别进行划分的问题,提出了一种基于静态行为特征的细粒度恶意行为分类方法.该方法提取多维度的行为特征,包括API调用、权限、意图和包间依赖关系,并进行了特征优化,而后采用随机森林的方法实现恶意行为分类.在来自于多个应用市场的隶属于73个恶意软件家族的24553个恶意Android应用程序样本上进行了实验,实验结果表明细粒度恶意应用分类的准确率达95.88％,综合性能优于其他对比方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐建		62	241	8.0	12.0
2	许逸超		2	0	0.0	0.0
3	袁倩婷		1	0	0.0	0.0