[发明专利]基于深度学习的安卓恶意应用的检测和分析方法有效
| 申请号： | 201710251260.X | 申请日： | 2017-04-18 |
| 公开（公告）号： | CN107256357B | 公开（公告）日： | 2020-05-15 |
| 发明（设计）人： | 解男男;刘吉强;王星;王伟;韩臻 | 申请（专利权）人： | 北京交通大学 |
| 主分类号： | G06F21/56 | 分类号： | G06F21/56;G06K9/62 |
| 代理公司： | 北京正理专利代理有限公司 11257 | 代理人： | 付生辉;陈君智 |
| 地址： | 100044*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于深度学习的安卓恶意应用的检测和分析方法，包括基于类别提取恶意应用特征集；采用深度学习算法对应用样本进行恶意性检测并依据检测结果将所述应用样本分为恶意应用和正常应用；采用特征选择算法对恶意应用特征进行排序；采用机器学习分类算法对恶意家族进行识别；构建恶意家族特征子集并进行恶意家族行为分析。本发明将深度学习方法应用于安卓恶意应用检测中，通过特征子集的构建对恶意家族进行行为分析。本发明能够提高现有的安卓恶意应用分类的准确率，改善当前安卓市场人工审核造成的工作量巨大、准确率不高的问题，有助于根据恶意应用的行为采取有针对性的防护措施。 | ||
| 搜索关键词： | 基于 深度 学习 恶意 应用 检测 分析 方法 | ||
【主权项】：
一种基于深度学习的安卓恶意应用的检测和分析方法，其特征在于，包括：基于类别提取恶意应用特征集；采用深度学习算法对应用样本进行恶意性检测并依据检测结果将所述应用样本分为恶意应用和正常应用；采用特征选择算法对恶意应用特征进行排序；采用机器学习分类算法对恶意家族进行识别；构建恶意家族特征子集并进行恶意家族行为分析。
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北京交通大学，未经北京交通大学许可，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/patent/201710251260.X/，转载请声明来源钻瓜专利网。
