基于随机森林算法的Android恶意行为识别与分类方法

作者：柯懂湘; 潘丽敏^*; 罗森林; 张寒青

来源：浙江大学学报(工学版), 2019, 53(10): 2013-2023.

• Android安全
• 机器学习
• 随机森林(RF)
• 恶意软件检测
• 恶意行为分类

针对当前Android恶意软件检测方法对检测出的恶意行为无法进行识别和分类的问题,提出基于随机森林(RF)算法的Android恶意行为的识别与分类方法.该方法在对Android恶意软件的类型进行定义的基础上,利用融合多种触发机制的Android恶意行为诱导方法触发软件的潜在恶意行为;通过Hook关键系统函数对Android软件行为进行采集并生成行为日志,基于行为日志提取软件行为特征集;使用随机森林算法,对行为日志中的恶意行为进行识别与分类.实验结果表明,该方法对Android恶意软件识别的准确率达到91.6%,对恶意行为分类的平均准确率达到96.8%.

• 单位
  北京理工大学