申请/专利权人：南京理工大学

申请日：2023-12-07

公开（公告）日：2024-03-22

公开（公告）号：CN117744078A

主分类号：G06F21/56

分类号：G06F21/56;G06F18/2113;G06F18/241;G06N20/00;G06N5/045

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明公开了一种可解释的安卓恶意应用智能检测方法。对于一个恶意样本，分类模型首先会给出恶意检测的二进制标签，接着给出模型的具体解释；在安卓恶意检测领域中，解释通常与特征相关；使用降序特征排名矩阵进行特征剪枝，进行特征工程后生成SVC模型，使用全零向量作为DeepLIFT算法的参考基线值，随后通过比较真实输入和基线值的差异，计算每一层特征的初步评分；最后，使用RFE生成模型的辅助矩阵，通过辅助矩阵重新计算特征对模型的影响，确定最终得分。对于每个恶意样本，本发明不仅提供分类结果，还提供可靠的分类结果解释，为恶意行为分析提供更稳定、更鲁棒、更有效的工具。

主权项：1.一种可解释的安卓恶意应用智能检测方法，其特征在于，包括以下步骤：步骤1、利用降序特征排名对安卓APK进行特征剪枝，生成有效特征集；步骤2、利用网络爬虫生成特征解释文档，为安卓恶意检测模型解释提供支持；步骤3、利用权限与API对安卓应用进行数据预处理，生成模型训练步骤使用的特征矩阵；步骤4、结合预处理后的特征矩阵，使用SVC模型进行分类模型生成；步骤5、在DeepLIFT算法的引导下使用递归特征消除，结合特征解释文档生成模型解释。

全文数据：

权利要求：

百度查询： 南京理工大学 一种可解释的安卓恶意应用智能检测方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD