基于k近邻和最小二乘支持向量机的Android恶意行为识别 |
| |
引用本文: | 陈泽恩.基于k近邻和最小二乘支持向量机的Android恶意行为识别[J].吉林大学学报(理学版),2015,53(4):720-724. |
| |
作者姓名: | 陈泽恩 |
| |
作者单位: | 惠州学院 教育技术中心, 广东 惠州 516007 |
| |
摘 要: | 针对单一k近邻算法(KNN)和最小二乘支持向量机(LSSVM)存在的缺陷, 提出一种基于KNN LSSVM的Android恶意行为识别模型. 先采集Android用户行为样本, 并提取相应特征组成特征向量; 再将训练集输入LSSVM中进行学习, 计算测试样本与最优分类平面间的距离, 如果该距离小于阈值, 则直接采用LSSVM恶意行为识别, 否则采用KNN算法进行恶意行为识别; 最后采用仿真实验测试KNN LSSVM的性能. 实验结果表明, 相对于单一KNN算法和LSSVM, KNN LSSVM提高了Android恶意行为的识别正确率,可以满足AndroidKG*6]恶意行为的在线识别要求.
|
关 键 词: | 恶意行为 移动终端 最小二乘支持向量机 k近邻算法 |
收稿时间: | 2014-12-17 |
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《吉林大学学报(理学版)》浏览原始摘要信息 |
| 点击此处可从《吉林大学学报(理学版)》下载免费的PDF全文 |
|