结合CNN和catboost算法的恶意安卓应用检测模型

作者：苏庆; 林华智; 黄剑锋; 林志毅

来源：计算机工程与应用, 2020, 1-8.

• 恶意安卓应用
• 卷积神经网络
• catboost分类算法
• 遗传算法 Malicious Android application
• Convolutional neural network
• Catboost classification algorithm
• Genetic algorithm

针对恶意安卓应用程序检测中存在的特征维度大、检测效率低的问题，结合卷积神经网络CNN良好的特征提取和降维能力以及catboost算法无需广泛数据训练即可产生较好分类结果的优点，构建一个CNN-catboost混合恶意安卓应用检测模型。首先通过逆向工程获取安卓应用的权限、API包、组件、intent、硬件特性和OpCode特征等静态特征并映射为特征向量，再在特征处理层使用卷积核对特征进行局部感知处理以增强信号；然后使用最大池化对处理后的特征进行下采样，降低维数并保持特征性质不变；接着将处理后的特征作为catboost分类层的输入向量，利用遗传算法的全局寻优能力对catboost模型进行调参，进一...

• 单位
  广东工业大学