基于SVM的安卓恶意软件检测

发布时间：2018-04-20 06:49

  本文选题：安卓恶意软件 + SVM　； 参考：《山东大学学报(工学版)》2017年01期

【摘要】：为了有效检测恶意软件,减少恶意软件对安卓平台的安全造成的威胁,在对现有数据集分析研究的基础上,提出概率统计和特征抽取两种策略,分别用这两种策略对提取的特征进行降维处理,减少不确定性数据,再用线性支持向量机(support vector Machine,SVM)分类,模型训练时间缩短为原来的16.7%,并且检测未知恶意软件的准确率明显提高。将该降维策略在其他常用算法上进行试验,结果表明改进后的数据有助于提高这些算法的分类准确率。
[Abstract]:In order to detect malware effectively and reduce the threat of malware to the security of Android platform, two strategies, probability statistics and feature extraction, are put forward based on the analysis of existing data sets. These two strategies are used to reduce the dimension of the extracted features and reduce the uncertainty data. Then, the training time of the model is shortened to 16.7%, and the accuracy of detecting unknown malware is improved obviously by using linear support vector machine (LSVM) support vector machine (SVM) classification. The results show that the improved data can improve the classification accuracy of these algorithms.
【作者单位】： 北京交通大学计算机与信息技术学院;
【基金】：国家自然科学基金资助项目(61105056)
【分类号】：TP316;TP309

【参考文献】

相关期刊论文 前1条

1 lijun;;360发布手机安全报告 恶意程序去年增4倍[J];计算机与网络;2015年Z1期

【共引文献】

相关期刊论文 前2条

1 张玉玲;尹传环;;基于SVM的安卓恶意软件检测[J];山东大学学报(工学版);2017年01期

2 张巍;任环;张凯;李成明;姜青山;;基于移动软件行为大数据挖掘的恶意软件检测技术[J];集成技术;2016年02期

【相似文献】

相关期刊论文 前10条

1 禾火;;中国互联网2006新运动向恶意软件宣战[J];互联网天地;2006年11期

2 Al Senia;舒文琼;;手机恶意软件威胁呈上升趋势[J];通信世界;2007年01期

3 那罡;;恶意软件:网络的“伤城”[J];中国计算机用户;2007年01期

4 李斌;冯斌;;防治恶意软件的几点思考[J];法制与社会;2007年01期

5 刘香;;浅谈“恶意软件”的分类及治理措施[J];信息网络安全;2007年03期

6 王江民;;建议将恶意软件改称有害软件[J];网络安全技术与应用;2007年04期

7 谢丽容;;中国互联网协会反恶意软件认定委员会在京成立[J];互联网天地;2007年07期

8 李志祥;;应对“恶意软件”的策略[J];农村电工;2008年02期

9 千堆栈;;恶意软件隐藏危险多多[J];计算机安全;2008年05期

10 郑淑蓉;;“恶意软件”的危害及其治理[J];生产力研究;2009年02期

相关会议论文 前4条

1 魏玉鹏;向阳;边殿田;;恶意软件关键技术及应对策略研究[A];第一届中国高校通信类院系学术研讨会论文集[C];2007年

2 张健;吴功宜;杜振华;;恶意软件防治产品检测技术和标准的研究[A];全国计算机安全学术交流会论文集·第二十五卷[C];2010年

3 吴叶科;陈波;宋如顺;;虚拟化恶意软件及其检测技术研究[A];全国计算机安全学术交流会论文集（第二十四卷）[C];2009年

4 谢文军;于振华;韩林;;车联网中恶意软件传播过程建模与仿真研究[A];系统仿真技术及其应用学术论文集（第15卷）[C];2014年

相关重要报纸文章 前10条

1 王晓s，

本文编号：1776718