申请/专利权人：西安电子科技大学

申请日：2021-09-14

公开（公告）日：2024-04-09

公开（公告）号：CN113779579B

主分类号：G06F21/56

分类号：G06F21/56;G06F18/214;G06F18/213

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2021.12.28#实质审查的生效;2021.12.10#公开

摘要：本发明公开了面向安卓应用的多模型联合检测系统和方法，本发明的系统的主要架构由特征提取子系统、基分类器训练子系统、权重分配子系统、基分类器检测子系统和加权投票子系统组成，该系统提供了特征提取、分类器训练和软件检测等功能。系统训练并集成了多个基分类器，同时系统基于基分类器的判定结果以加权投票的方式得出最终的判定结果。在这种方式下能够有效的避免单一分类器适用范围小和易受到安全威胁的问题，增强了系统的鲁棒性和泛化能力。同时投票机制能够对单一分类器的错误预测进行一定程度上的校正，使系统判定的准确率更高。加权机制则会给性能更好的分类器分配更高的权重值，使系统对结果的校正更加准确。

主权项：1.面向安卓应用的多模型联合检测方法，其特征在于，包括以下步骤：S1，从APK文件中提取所需的静态特征信息，使用已标记的应用程序构建集成学习框架；S2，定义n维的向量空间，通过构造特征向量将应用程序映射到联合数据集中，从应用程序中提取静态特征信息；S3，使用提取到的静态特征信息构建训练数据集和测试数据集；S4，基于不同的机器学习算法构建多个不同基分类器，并通过训练数据集进行训练，训练完成后，保存分类器模型；S5，使用测试数据集测试基分类器的准确率，所有测试后的基分类器模型共同构成集成学习框架；S6，根据不同基分类器模型的贡献为基分类器分配权重值，并保存权重向量；S7，提取待检测应中用于检测分析的特征信息，并生成特征向量；S8，通过集成学习框架对特征向量后进行预测，多个基分类器得到各自的判定结果并记录结果；S9，解析每个基分类器的判定结果并读取权重向量后，将基分类器的结果加权求和，得到加权后的综合评分；S10，对加权后的评分进行判断，得到该软件是否为恶意软件，将判断结果呈现。

全文数据：

权利要求：

百度查询： 西安电子科技大学 面向安卓应用的多模型联合检测系统和方法

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