摘要
提出一种基于多上下文特征的Android恶意程序检测方法,将敏感权限、广义敏感应用程序接口(API)和敏感系统广播三类敏感资源作为原始特征,并与其发生的上下文相结合形成程序特征,区分应用程序的良性和恶意行为.构造了基于回调函数的过程间控制流图,并定义了一组过滤压缩规则.该方法对4 972个应用程序进行检测分析,结果表明:随机森林算法在本文的特征集上表现效果最佳,准确率为95.4%,召回率为96.5%,本文方法比其他方法的检测效果更优.
学科与关键词
关键词
恶意程序检测静态分析机器学习多上下文特征广义敏感API malware detectionstatic analysismachine learningmulti-context featuresgeneralized sensitive application programming interface(API)
- 一种Android平台恶意软件静态检测方法秦中元; 徐毓青; 梁彪; 张群芳; 黄杰东南大学学报(自然科学版), 2013, (06): 1162-1167.
- 一种Android恶意程序检测工具的实现张文; 严寒冰; 文伟平信息网络安全, 2013, (01): 27-32.
- CENDroid-A cluster-ensemble classifier for detecting malicious Android applicationsBadhani, Shikha*; Muttoo, Sunil K.COMPUTERS & SECURITY, 2019, 85: 25-40.被引 14
