关于基于机器学习算法的Android恶意软件检测系统的论文研究.pdf

简介：
本论文探讨了一种利用机器学习技术识别和防范Android平台恶意软件的新方法，通过构建高效检测系统以增强移动设备安全。 针对传统恶意程序检测方法的缺点，本段落研究了如何将数据挖掘和机器学习算法应用于未知恶意程序的检测。现有单一特征的机器学习算法难以充分发挥其处理能力，在实际应用中效果不佳。 为解决这一问题，我们首次提出了结合语音识别模型与随机森林算法的方法，并综合APK文件中的多类特征来建立N-gram模型以进行未知恶意程序检测。具体而言，首先通过多种方式提取能反映Android恶意软件行为的三类特征：敏感权限、DVM函数调用序列以及OpCodes特征；其次为每种类型的特征分别构建了独立的N-gram模型；最后将这三种不同来源的信息整合进随机森林算法中进行学习和训练。 基于上述方法，我们开发了一个专门用于检测Android恶意软件的系统，并对该系统进行了实验验证。通过测试811个非恶意程序及826个已知恶意样本，该系统的准确率表现良好。综合考虑各项评价指标，在与同类研究工作的对比中显示出了更高的检测效率和准确性。