Android應(yīng)用特征空間優(yōu)化及其惡意行為檢測.pdf

1、近年來，科學(xué)技術(shù)的不斷發(fā)展給人們的生活帶來很大便利，智能手機已成為當(dāng)今社會人們?nèi)粘１貍涞碾娮油ㄓ嵐ぞ摺６捎谥悄苁謾C的普遍性，惡意軟件的出現(xiàn)和肆虐給人們帶來了巨大的煩惱。作為市場占有率最高的手機系統(tǒng)，Android平臺下的惡意軟件檢測成為了國內(nèi)外學(xué)者重點研究的方向之一。近幾年在Android平臺已出現(xiàn)一些方法應(yīng)對惡意軟件的威脅，如沙箱機制、訪問控制等，但多集中在權(quán)限系統(tǒng)上。該領(lǐng)域相關(guān)的研究者亦提出些許有效的檢測惡意軟件的系統(tǒng)或方法，如V

2、irusmeter，但也存在著各種各樣的問題，如方法太片面、覆蓋性不強、數(shù)據(jù)不平衡等，并且對于影響檢測率的特征選擇方面未進(jìn)行詳細(xì)闡述，也未展開深入研究，Android惡意軟件檢測的研究有待進(jìn)一步的發(fā)展。
　　本文介紹了Android平臺惡意軟件現(xiàn)有檢測方法，并針對存在的問題設(shè)計研究方案。首先大量收集了APK動態(tài)、靜態(tài)兩個方向和文件訪問、網(wǎng)絡(luò)訪問、信息泄露、權(quán)限申請和API調(diào)用等近二十個方面的特征，防止有效信息的遺漏;然后根據(jù)特征實

3、際意義采用不同策略進(jìn)行特征空間優(yōu)化，去除冗余特征。在此過程中，根據(jù)TF-IDF思想提出了一種特征子串降維方法LCS-TF-IDF，根據(jù)出現(xiàn)頻率對特征子串進(jìn)行權(quán)值的調(diào)整，突出重要特征子串，抑制次要特征子串，并將通過該方法降維后的特征與其他數(shù)據(jù)集進(jìn)行分類結(jié)果對比，檢測結(jié)果表現(xiàn)了LCS-TF-IDF的優(yōu)越性。除此之外，還對比了機器學(xué)習(xí)領(lǐng)域中的CFS和PCA降維算法，發(fā)現(xiàn)在惡意軟件檢測方面，無論在分類精度還是時間消耗上，考慮特征內(nèi)容的特征選擇均