申请/专利权人:重庆邮电大学
申请日:2024-01-19
公开(公告)日:2024-04-19
公开(公告)号:CN117909975A
主分类号:G06F21/56
分类号:G06F21/56;G06N3/0464;G06N3/09
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.07#实质审查的生效;2024.04.19#公开
摘要:本发明涉及一种基于图卷积网络的安卓恶意软件检测方法,该方法包括:获取待检测安卓应用,进行静态分析,构建函数调用图,该图包括API函数节点及其API调用关系,对函数调用图进行简化处理,保留与文件访问、网络申请相关的核心API函数节点,对其他非核心节点API函数节点进行合并处理,得到待检测安卓应用的函数抽象图,根据函数抽象图得到其邻接矩阵,对函数抽象图进行自然语言处理,获取函数抽象图中API函数节点的初始特征向量,得到函数抽象图对应的特征矩阵,将所述邻接矩阵和所述特征矩阵输入训练后的图卷积神经网络模型,得到待检测安卓应用的检测结果。本发明能够提高安卓恶意软件检测的检测准确率和检测效率。
主权项:1.一种基于图卷积神经网络的安卓恶意软件检测方法,其特征在于,包括:S1:获取待检测安卓应用;S2:对所述待检测安卓应用进行静态分析,构建所述待检测安卓应用的函数调用图,所述函数调用图包括API函数节点及其API调用关系;S3:对所述函数调用图进行简化处理,依据API功能类别进行分类,对提取的API函数类别进行设置,仅保留与文件访问以及网络申请相关联的核心API函数节点,对其他非核心API函数节点进行合并处理,得到所述待检测安卓应用的函数抽象图;S4:根据所述函数抽象图得到其邻接矩阵,对所述函数抽象图进行自然语言处理,获取所述函数抽象图中API函数节点的初始特征向量,得到所述函数抽象图对应的特征矩阵;S5:将所述邻接矩阵和所述特征矩阵输入训练后的图卷积神经网络模型,得到所述待检测安卓应用的检测结果。
全文数据:
权利要求:
百度查询: 重庆邮电大学 一种基于图卷积神经网络的安卓恶意软件检测方法
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。