[发明专利]一种特征优选的Android勒索软件检测方法

说明书

本发明公开了一种特征优选的Android勒索软件检测方法，根据初始特征集合，提取训练样本的特征，并形成初始样本特征库；计算初始样本特征库中每种特征的测量值，挑出测量值超过检测用特征阈值的特征，组成检测用特征集合；利用检测用特征集合训练勒索软件的分类器，得到检测用分类器。本发明解决了特征集合中特征较多、检测速度较慢和检测精度较低等技术问题。

技术领域

本发明涉及一种勒索软件检测方法，特别是一种特征优选的Android勒索软件检测方法。

背景技术

随着智能手机的普及，智能手机遭受到的安全威胁也越来越多。手机勒索软件是指所有能够在智能手机或者平板计算机上执行恶意操作的应用程序，这种勒索软件通过锁定用户设备或加密数据，使得用户无法正常使用，并以此胁迫用户支付解锁或解密费用的恶意软件，给用户移动设备带来了巨大安全威胁。Android平台上勒索软件问题逐渐成为了一个必须关注的问题。基于机器学习检测勒索软件的检测方法已有很多，但是常见的Android勒索软件检测方法在特征选择还存在特征集合的规模较大、检测速度慢、分类精度不高等问题。因此，本发明提出一种基于特征优选的Android勒索软件的检测方法。

发明内容

本发明所要解决的技术问题是一种特征优选的Android勒索软件检测方法，其解决了特征集合中特征较多、检测速度较慢和检测精度较低等技术问题。

为解决上述技术问题，本发明所采用的技术方案是：一种特征优选的Android勒索软件检测方法，其特征在于包含以下步骤：

步骤一：样本特征提取操作：针对于训练用样本集合中的各个训练样本，分别提取出各个训练样本的permission特征、intent特征、api特征和package name特征，由上述提取出的特征组合生成初始样本特征库；

步骤二：样本特征选择操作：利用信息增益的方法对提取出的初始样本特征库进行处理，计算初始样本特征库中每个特征的测量值，并按测量值从大到小排序，选择重要的特征作为分类特征组成的检测用特征集合；

步骤三：分类器生成操作：选取出的检测用特征集合作为向量机接口的输入参数，调用python中支持向量机接口，得到检测用分类器；

步骤四：待测软件检测操作：读取待测软件并提取待测软件的特征，作为检测用分类器的输入，利用检测用分类器对待测软件进行检测，根据检测用分类器模型输出的布尔值，判断测试样本是勒索软件还是良性软件。

2、按照权利要求1所述的一种特征优选的Android勒索软件检测方法，其特征在于：所述步骤一具体为：将训练样本apk利用开源的Android静态分析工具androguard的androlyze.py对训练样本集合中的apk文件进行处理；通过命令反编译训练样本中classes.dex文件，从训练样本集合中提取出api特征和package name特征，并且通过命令反编译训练样本中manifest.xml的文件，从训练样本中提取出permission特征和intent特征；然后将对应api特征、package name特征、api特征和Intent特征分别写入初始样本特征库AnalysisFile中。

3、按照权利要求2所述的一种特征优选的Android勒索软件检测方法，其特征在于：所述步骤一中，输入为合格的训练集合中的样本apk，其具体过程为

1.1初始动作；

1.2初始化初始样本特征库AnalysisFile，初值为空；

1.3读取勒索训练样本集合Ranset和良性训练样本集合中的样本apk；

1.4利用android静态分析工具androguard对输入的apk文件进行反编译处理；

1.5获得androguard反编译后生成class.dex文件和manifest.xml文件；