科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着移动互联网的快速发展，智能手机的普及率快速上升，其中Android系统占据了智能手机操作系统极大的市场份额。由于Android系统的高度流行和较为开放的技术生态，大量以窃取隐私、恶意破坏、木马操控等为目的的恶意应用为手机用户带来巨大的安全风险，严重危害网络安全。文章提出一种基于深度学习的Android恶意应用静态检测方法，通过反编译Android应用的APK文件获取应用的核心指令码，将指令码根据功能进行分类，剔除无用指令和操作数，处理成特征文本，借鉴基于卷积神经网络进行文本分类的方法，构建一个卷积神经网络进行分类。文章使用CICMalDroid 2020数据集进行实验，实验结果表明，文章设计的Android恶意应用静态检测方法的检测准确率较高，可以满足实际需求。
-
单位常州市公安局
