基于静态行为特征的细粒度Android恶意软件分类

作者：许逸超; 袁倩婷; 徐建

来源：计算机应用研究, 2020, (10): 3101-3106.

DOI：10.19734/j.issn.1001-3695.2019.05.0220

• Android
• 静态特征
• 细粒度恶意分类 Android
• static feature
• fine-grained malware detection

由于Android系统的开放性,恶意软件通过实施各种恶意行为对Android设备用户构成威胁。针对目前大部分现有工作只研究粗粒度的恶意应用检测,却没有对恶意应用的具体行为类别进行划分的问题,提出了一种基于静态行为特征的细粒度恶意行为分类方法。该方法提取多维度的行为特征,包括API调用、权限、意图和包间依赖关系,并进行了特征优化,而后采用随机森林的方法实现恶意行为分类。在来自于多个应用市场的隶属于73个恶意软件家族的24 553个恶意Android应用程序样本上进行了实验,实验结果表明细粒度恶意应用分类的准确率达95.88%,综合性能优于其他对比方法。

• 单位
  南京理工大学