[发明专利]一种基于字节码图像和深度学习的Android恶意应用检测方法

摘要

一种基于字节码图像和深度学习的Android恶意应用检测方法，包括如下步骤：1)APK程序代码映射成RGB图像；2)：计算局部信息熵，生成局部信息熵矩阵，融合RGB图像和局部信息熵矩阵，生成RGBA图像；3)使用卷积神经网络对Android恶意应用进行特征提取和分类。本发明检测精度较高、误报率较低且检测速度快。

主权项

1.一种基于字节码图像和深度学习的Android恶意应用检测方法，其特征在于，所述检测方法包括如下步骤：1)APK程序代码映射成RGB图像Android应用以.apk结尾，其中包含有.dex结尾的文件；DEX是安卓系统可以在Dalvik虚拟机上直接运行的文件格式；将DEX文件按字节码读取，每个字节包含8bit，取值的范围为0x00～0xFF，即0～255；将DEX文件划分为3字节长度的数据块，将数据块映射为图片的RGB值，长度不足的地方使用0进行填充，即将DEX文件转化为RGB彩色图像，并将其储存为PNG图片；2)局部信息熵矩阵和RGBA图像生成，过程如下：2.1).将DEX文件预处理，按长度每256字节进行划分，末尾不足256字节则用0进行填充；2.2).对每个数据块使用香农公式计算信息熵值；2.3).熵值的计算结果entropy在[0,8]，而Alpha通道的取值范围在0～255，因此将熵值以指数形式放大，放大后的熵值范围为[0～255]，和Alpha通道的区间范围一致；2.4).由于熵值是以每256个字节作为数据块进行的划分，因此每个熵值其实代表85或86个像素点的透明度，按此规则映射为完整的Alpha通道的矩阵；2.5).将RGB图像与Alpha矩阵相结合，生成新的RGBA图像；3)基于深度学习的检测使用卷积神经网络对输入图像进行特征提取，并使用softmax进行分类。