[发明专利]一种基于词向量和深度神经网络的Android恶意代码检测方法在审
| 申请号： | 201810599049.1 | 申请日： | 2018-06-12 |
| 公开（公告）号： | CN108959924A | 公开（公告）日： | 2018-12-07 |
| 发明（设计）人： | 陈铁明;毛青于 | 申请（专利权）人： | 浙江工业大学 |
| 主分类号： | G06F21/56 | 分类号： | G06F21/56 |
| 代理公司： | 杭州斯可睿专利事务所有限公司 33241 | 代理人： | 王利强 |
| 地址： | 310014 浙江省杭*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 词向量 恶意代码检测 神经网络 矩阵 自动化分析 静态分析 随机森林 特征文档 特征选择 特征训练 特征转化 特征组成 敏感API 可识别 时效性 维度 置信 调用 句子 样本 应用 权限 分类 网络 | ||
【权利要求书】：
1.一种基于词向量和深度神经网络的Android恶意代码检测方法，其特征在于，所述检测方法包括如下步骤：
1)APK文件特征提取
利用静态分析对APK进行自动化分析，将APK文件逆向获取smali代码和Androidmanifest.xml文件，从smali代码中解析出敏感API和字符串，从xml文件中解析出权限和Action特征，并使用随机森林进行特征选择工作；
2)特征向量化
应用word2vec模型将特征转化成词向量，过程如下：
2.1)首先将特征分成三类，将每一类的特征组成一句话，那么每个APK的特征列表可看做是包含三个句子的特征文档；
2.2)使用word2vec的CBOW模型进行训练，最终生成N×(K×X)维矩阵，其中N为样本个数，K为词向量维度，X为特征数；
3)基于词向量特征的分类
使用深度置信网络进行特征训练，分类，最终可识别恶意应用。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江工业大学，未经浙江工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201810599049.1/1.html，转载请声明来源钻瓜专利网。
