[发明专利]基于改进灰狼算法的Android恶意应用检测方法

摘要

本发明公开一种基于改进灰狼算法的Android恶意应用检测方法，主要解决现有基于机器学习的Android恶意应用检测方法在对高维不平衡数据集下进行检测时，分类器建模时间过长，恶意样本容易被错分的问题。包括以下步骤：1）收集样本，包括良性样本和恶意样本；2）对样本进行反编译，提取出样本特征形成样本特征集；3）将样本特征集划分为训练集和测试集；4）使用改进后的灰狼算法进行特征选择，选择出最优特征子集；5）用最优特征子集进行分类器训练。本发明中的特征选择方法可以选择出最优特征子集，大大降低了分类器的构建时间，能够提高Android恶意应用检测的检测效率和检测精度。

主权项

1.一种基于改进灰狼算法的Android恶意应用检测方法，其特征在于，包括下列步骤：1)收集样本集，也就是Android应用程序，包括良性APK和恶意APK；2)对良性APK和恶意APK分别进行反编译，提取出样本特征形成样本特征集；3)基于k折交叉验证方法，将样本特征集分成k份，取其中一份为测试集，其余k‑1份为训练集；4)使用改进后灰狼算法进行包裹式特征选择，选择出最优特征子集，使用常见机器学习分类器进行分类检测，采用fitness(x)作为灰狼算法的适应度函数；5)对分类器使用选择出的最优特征子集进行训练，得到训练好的分类器；6)根据步骤2)提取待检测APK特征，将其映射到最优特征子集中得到特征向量，用训练好的分类器判断该特征向量是否恶意，即完成检测。