基于RBF神经网络的Android恶意行为识别

作者：陈天伟

来源：现代电子技术, 2018, 41(15): 83-91.

DOI：10.16652/j.issn.1004-373x.2018.15.019

• RBF神经网络
• Android恶意行为
• 识别
• 特征集
• 局部逼近
• 权值

传统Android恶意行为识别方法无法解决恶意行为特征的动态波动性,识别出的恶意行为精度差,并且需要耗费大量的时间,因此提出基于RBF神经网络的Android恶意行为识别方法。该方法首先进行Android恶意行为的样本采集、行为特征提取和数据整合,使输出的结果可以被RBF神经网络识别,然后采用RBF神经网络局部逼近的特点提高学习速度,增强神经网络结果的输出质量,并采用K均值聚类算法得到所有特征集中各样本到该特征集中心距离的平方和,取该距离的最小值,通过最小二乘递推法计算隐含层节点到数据输出层节点的权值,完成RBF神经网络的训练,实现Android恶意行为的准确识别。实验结果说明所提方法可以提高对Android恶意行为识别的正确率和效率。

• 单位
  电子科技大学; 四川城市职业学院