申请/专利权人:南京理工大学
申请日:2023-12-12
公开(公告)日:2024-03-19
公开(公告)号:CN117725578A
主分类号:G06F21/56
分类号:G06F21/56;G06F16/901;G06F18/2113;G06F18/213;G06F18/241;G06N3/0499;G06N3/048;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.05#实质审查的生效;2024.03.19#公开
摘要:本发明公开了一种基于特征亲密值分析的安卓恶意应用检测方法,本方法首先使用Androguard对安卓应用进行反编译与特征提取,生成特征矩阵;接着,使用频繁模式增长进行特征关联性分析,得出每一个特征的频繁模式增长分数;使用皮尔逊系数进行特征关联性挖掘,得到样本应用每一个特征的皮尔逊系数得分;最后定义了特征亲密值并且进行向量化表示,使用特征亲密值分析,结合多层感知机生成安卓恶意应用检测模型。本申请使用频繁模式增长和皮尔逊系数进行了安卓应用特征关联性挖掘,提升了模型的恶意检测效果;特征亲密值在保证安卓恶意检测效果的基础上,进一步提升了模型的解释质量;多层感知机提升了模型的非线性能力,提高了模型在大量数据集上的效果。
主权项:1.一种基于特征亲密值分析的安卓恶意应用检测方法,其特征在于,包括以下步骤:步骤1、对安卓应用进行特征提取,生成特征矩阵;步骤2、使用频繁模式增长进行特征关联性分析,得出每一个特征的频繁模式增长分数;步骤3、使用皮尔逊系数进行特征关联性挖掘,得到样本应用每一个特征的皮尔逊系数得分;步骤4、定义了特征亲密值并且进行向量化表示;步骤5、使用特征亲密值分析,结合多层感知机生成安卓恶意应用检测模型。
全文数据:
权利要求:
百度查询: 南京理工大学 一种基于特征亲密值分析的安卓恶意应用检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。