基于LSTM-SVM模型的恶意软件检测方法

作者：赵敏; 张雪芹^*; 朱唯一; 朱世楠

来源：华东理工大学学报, 2022, 48(05): 677-684.

DOI：10.14135/j.cnki.1006-3080.20210517005

• Android恶意软件
• 静态检测
• 长短期记忆网络(LSTM)
• 支持向量机(SVM)

为了提高Android恶意软件的检测精度，提出了一种基于LSTM-SVM(Long ShortTerm Memory-Support Vector Machine)模型的Android恶意软件静态检测方法。通过反编译Android软件的APK(AndroidPackage)文件，提取出采用权限、组件、意图3类信息构成XML特征；通过分析API(Application Programming Interface)调用情况构成API特征。考虑恶意软件运行的时序性、特征维度等，基于XML特征构建LSTM异常检测模型，基于API特征构建SVM异常检测模型，两个模型采用并联模式，基于概率差融合算法得到最终的检测结果。在CICAndMal2017数据集上的实验结果表明，本文方法的检测精度可以达到98%以上。

• 单位
  华东理工大学