基于CNN的Android恶意代码检测方法
针对传统Android恶意应用检测技术无法对当前爆发增长的恶意应用进行高效检测,对移动终端安全造成严重威胁的问题,利用深度学习中卷积神经网络(convolutional neural network,CNN)的分类算法,设计并实现了一种基于静态权限特征的恶意应用检测方案.首先,对Android应用包反编译获取AndroidManifest.xml文件,从中提取出应用申请的系统权限;然后,根据权限危险级别将权限列表特征化,获得权限特征数据集,进而,对CNN多次训练,获得应用类别分类器;最后,用分类器判断应用是否包含恶意代码.实验结果表明,检测方案的准确率达到98.8％,能够高效判断Android平台中的恶意应用,降低安全威胁.
Android平台应用、恶意代码检测、深度学习、卷积神经网络、静态权限特征、恶意应用判定
46
TP309.5(计算技术、计算机技术)
北京工业大学第17届研究生科技基金重点资助项目;信息保障技术重点实验室基金资助项目;陕西省网络与系统安全重点实验室开放课题基金资助项目
2020-11-16（万方平台首次上网日期，不代表论文的发表时间）
共9页
1230-1238
