Android恶意软件检测方法研究

合集下载

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ＲｅｓｅａｒｃｈｏｆＭａｌｗａｒｅＤｅｔｅｃｔｉｏｎＡｐｐｒｏａｃｈｆｏｒＡｎｄｒｏｉｄ
ＦＥＮＧＢｏ，ＤＡＩＨａｎｇ，ＭＵＤｅ－ｊｕｎ
（ＳｃｈｏｏｌｏｆＡｕｔｏｍａｔｉｏｎ，ＮｏｒｔｈｗｅｓｔｅｒｎＰｏｌｙｔｅｃｈｎｉｃａｌＵｎｉｖｅｒｓｉｔｙ，Ｘｉ ’ ａｎ７１００７２，Ｃｈｉｎａ）
ｔｉｅｓｈａｔｔｈａｖｅｈｉｇｈｉｎｆｏｍａｒｔｉｏｎｇａｉｎａｎｄｄｉｆｆｅｒｅｎｔｉｍｐａｃｔｂｙａｐｐｌｙｉｎｇｈｅｔＣ４．５ｌｇａｏｒｉｈｍ，ｔａｎｄｐｒｏｐｏｒｔｉｏｎａｌｌｙｓｓａｉｇｎｗｅｉｇｈｔｉｎｇｆａｃｔｏｒｏｔｐｒｏｐｅｒｔｉｅｓｂａｓｄｅｏｎｈｅｔｓｉｚｅｏｆｔｈｅｉｎｆｏｒｍａｔｉｏｎｇｉｎａ．Ｆｉｎｌｌａｙ，ａｐｐｌｙＫ—ＮｅｒｅａｓｔＮｅｉｇｈｂｏｒｌｇａｏｒｉｈｍｔｔｏｃｏｍｐｌｅｔｅｈｅｔｐｒｏｃｅｓｓｏｆｍａｃｈｉｎｅｌｅａｒｎｉｎｇ，ｍａｋｉｎｇｈｅｔｓｙｓｔｅｍｉｄｅｎｉｔｆｙｍａｌｉｃｉｏｕｓｓｏｆｔｗａｒｅｈａｔｔｓｉｍｉｌｒａｏｔｈｅｔｓａｍｐｌｅ，ｎｄａｅｇｒｒｄａｕｎｋｎｏｗｎｔｙｐｅｓｏｆｓｏｆｔｗａｒｅｓａｓｕｓｐｅｃｔｄｅｍａｌｗａｒｅ．Ｔｈｅｅｓｒｕｌｔｏｆｅｘｅｒｐｉｍｅｎｔｓｈｏｗｓｈａｔｔｈｅｔｍｅｔｈｏｄｈｓａａｈｉｇｈｔｒｕｅｐｏｓｉｉｔｖｅｒａｔｅｎｄａｌｏｗｆａｌｓｅｐｏｓｉｔｉｖｅｒａｔｅ．Ｍｏｒｅｏｖｅｒ，ｈｅｔｒｅｓｕｌｔｃａｎｂｅｆｕｒｔｈｅｒｉｍｐｒｏｖｄｅｗｉｔｈｈｅｔｉｎｃｒｅａｓｅｏｆｈｅｔｌｅａｒｎｉｎｇｓｍｐａｌｅｌｉｂｒａｒｙ．Ｋｅｙｗｏｒｄｓ：Ａｎｒｏｄｉｄｓｃｕｅｒｉｔｙ；ｍａｌｗａｒｅ；ｄｙｎａｍｉｃｄｅｔｅｃｔｉｏｎ；ｍａｃｈｉｎｅｌｅａｎｉｒｎｇ
冯博，戴航，慕德俊
（西北工业大学自动化学院，陕西西安７１００７２）
摘要：针对Ａｎｄｒｏｉｄ恶意软件泛滥的局面，提出了一种基于行为的恶意软件动态检测的方法。首先，综合收集软件运 பைடு நூலகம்
时的动态信息，包括软件运行时系统的信息和软件的内核调用信息，并将内核调用序列截断成定长短序列的形式。其次，将各方面信息统一为属性、属性值的形式。以信息增益作为指标，选用ＣＡ．５算法筛选出信息增益高、作用不重叠的属性，并依据信息增益的大小为各属性正比分配权重因子。最后，用Ｋ最近邻算法完成机器学习，识别出与样本类似的恶意软件，并将未知类型的软件标记为疑似恶意。实验结果表明，该方法识别率高、误报率低。通过增大学习样本库，识别的效果可以进一步提高。关键词：Ａｎｄｒｏｉｄ安全；恶意软件；动态检测；机器学习
第２４卷
２０１４年２月
第２期
计算机技术与发展
ＣＯＭＰＵＴＥＲＴＥＣＨＮＯＬＯＧＹＡＮＤＤＥＶＥＬＯＰＭＥＮＴ
Ｖｏ１．２４Ｎｏ．２Ｆｅｂ．２０１４
Ａｎｄｒｏｉｄ恶意软件检测方法研究
ａｃｏｍｐｒｅｈｅｎｓｉｖｅｃｏｌｌｃｔｅｉｏｎｏｆｓｏｔｗａｆｒｅｍｎ－ｆｉｍｅｉｎｆｏｒｍａｔｉｏｎ，ｉｎｃｌｕｄｉｎｇｓｙｓｔｅｍｉｎｆｏｒｍａｔｉｏｎａｎｄｋｅｒｎｅｌｃａｌｌｓ．Ｔｈｅｋｅｒｎｅｌｃｌｌａｓｅｑｕｅｎｃｅｓｒｅａ
中图分类号：ＴＦ３０９文献标识码：Ａ文章编号：１６７３ — ６２９Ｘ（２０１４）０２ — ０１４９ — ０４
ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７３ — ６２９Ｘ．２０１４．０２．０３６
Ａｂｓｔｒａｃｔ：ＩｎｖｉｅｗｏｆｔｈｅｆｌｏｏｄｓｉｔｕａｔｉｏｎｆｏｒＡｎｄｒｏｉｄｍａｌｗａｒｅ，ｐｒｏｐｏｓｅａｍｅｔｈｏｄｏｆｂｅｈａｖｉｏｒ－ｂａｓｅｄｄｙｎａｍｉｃｍａｌｗａｒｅｄｅｔｅｃｉｏｔｎ．Ｆｉｒｓｔ，ｇｅｔ
ｔｒｕｎｃａｔｅｄｔｏｆｉｘｅｄｌｅｎｇｔｈ．Ｓｅｃｏｎｄ，ｆｏｒｍｌｌａｈｅｔｉｎｆｏｒｍａｔｉｏｎａｓｐｒｏｐｅｒｔｙｎｄａｖａｌｕｅｓ．Ｔａｋｉｎｇｉｎｆｏｍａｒｔｉｏｎｇａｉｎａｓｎａｉｎｄｉｃａｔｏｒ，ｓｅｌｃｔｅｐｒｏｐｅｒ－