基于AE-DBN的Android恶意软件检测 |
| |
引用本文: | 吴招娣,徐洋,谢晓尧. 基于AE-DBN的Android恶意软件检测[J]. 贵州师范大学学报(自然科学版), 2019, 37(3): 96-101 |
| |
作者姓名: | 吴招娣 徐洋 谢晓尧 |
| |
作者单位: | 贵州师范大学贵州省信息与计算科学重点实验室,贵州贵阳,550001;贵州师范大学贵州省信息与计算科学重点实验室,贵州贵阳,550001;贵州师范大学贵州省信息与计算科学重点实验室,贵州贵阳,550001 |
| |
基金项目: | 中央引导地方科技发展专项资金项目;贵州省科技合作计划重点项目 |
| |
摘 要: | 为了提高Android恶意软件检测的准确率和效率,提出一种在静态分析技术基础上利用自动编码器(AE)网络和深度信念网络(DBN)结合的Android恶意软件检测方案。首先通过静态分析技术,提取了权限、动作、组件和敏感APIs作为特征信息,其次通过AE对特征数据集进行降维,最后结合DBN进行更深层次的特征抽象学习,并训练DBN来进行恶意代码检测。实验结果证明,提出的方案与DBN,SVM和KNN进行比较,提高了检测效率和准确率,降低了误报率。
|
关 键 词: | Android恶意软件检测 静态分析 深度学习 自动编码器 深度信念网络 |
Android malware detection based on AE-DBN |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 万方数据 等数据库收录! |
|