一种使用静态分析和遗传搜索在Android恶意软件检测中搜索最优特征的方法（英文）

作者：Ahmad FIRDAUS^*; Nor Badrul ANUAR^*; Ahmad KARIM; Mohd Faizal Ab RAZAK

来源：Frontiers of Information Technology & Electronic Engineering, 2018, 19(06): 712-737.

• 遗传算法
• 静态分析
• Android
• 恶意软件
• 机器学习

移动设备制造商在全球范围内快速开发各种Android版本。同时,网络罪犯也在实施各种恶意行为,例如跟踪用户活动、窃取个人数据以及实施银行诈骗。由于在日常生活中使用Android进行重要通信的人群数量庞大,这些网络罪犯从中获得了巨大非法收益。为此,安全从业者通过静态和动态分析对恶意软件进行识别。静态分析具有整体代码覆盖、低资源消耗和快速处理的优势。然而,静态分析需要最少量的特征才能对恶意软件进行有效分类。因此,我们采用基于遗传算法(GA)的遗传搜索(GS)在106个字符串中选择特征。为评估由GS确定的最佳特征,我们使用了5种机器学习分类器,分别是Na?ve Bayes(NB)、功能树(FT)、J48、随机森林(RF)和多层感知器(MLP)。在这5种分类器中,FT仅使用6种特征,获得最高准确度(95%)和最高真正率(TPR)(96.7%)。