[发明专利]一种基于卷积神经网络的Android恶意软件检测方法

权利要求书

1.一种基于卷积神经网络的Android恶意软件检测方法，其特征在于：

步骤一、将APK包转化为图像数据文件；

步骤二、得到图像数据后，将已知类别的样本数据来对卷积神经网络进行训练；

步骤三、利用训练好的分类器CN来对未知软件进行检测。

2.根据权利要求1所述的检测方法，其特征在于：所述步骤一是利用SimHash和Djb2两种哈希算法来将APK包转化为图像数据文件。

3.根据权利要求1所述的检测方法，其特征在于：所述步骤二具体是：利用深度学习的方法，以同种类Apk包之间欧式距离尽量小、不同种类Apk包之间欧氏距离尽可能大为目标函数，进行训练。

4.根据权利要求3所述的检测方法，其特征在于：所述目标函数设置为：

f(y,β)=(1-β)Σti∈Gdis(y-ti)+β1Σti∈G′dis(y-ti)]]>

其中，G表示卷积神经网络中相同种类apk输出值的集合，G’表示卷积神经网络中不同种类apk输出值的集合，dis()表示两向量欧式距离，β为各部分权重值，y，ti分别表示每个apk包对应的输出向量。

5.根据权利要求1所述的检测方法，其特征在于：所述步骤三包括：利用训练好的分类器CN来对未知软件进行检测，并计算该未知软件在经过分类器计算后的输出向量与各已知类别恶意软件之间的最小距离，式子如下：

e=mini=1...n{dis(CN(p),g‾i)}]]>

其中CN表示已经训练好的分类器，p表示未知软件转化成的图像数据，表示第i类别中所有恶意应用程序在经过CN分类器计算后得到的向量的平均值，n表示已知的恶意软件的类别数量；

当e小于阈值ε时，则表示新样本属于该类别，则表示检测到已知类别的恶意软件。

6.根据权利要求1所述的检测方法，其特征在于：利用已知类别的样本数据来对未知恶意软件进行检测，并找出变种恶意软件。