基于深度学习的Android恶意软件检测研究与应用

发布时间：2021-11-28 12:14

　　随着经济社会与通信技术的蓬勃发展,智能手机迅速普及,并已经渗透到了人们生活中,成为了人们生活中必不可少的重要工具。Android系统的开源性,使其迅速成为了智能手机应用最广泛的操作系统,同样也成为了恶意攻击的重要目标。Android软件市场的开放性,使得用户可以从不同平台下载各种Android软件,而许多非官方的电子市场的Android软件则通常容易被非法开发者嵌入恶意代码。因此研究一种有效的针对Android恶意软件的检测方法具有重要现实意义。机器学习技术如今已经被广泛应用到Android恶意软件检测的研究中,但是面对不断新增的Android恶意软件,传统的机器学习方法存在对新增的恶意软件检测能力低的问题。对此,根据深度学习具有能够通过表面特征来学习抽象的深层特征的优势,本文提出了一种基于深度学习的Android恶意软件检测方法。首先,从静态分析角度出发,提取Android软件的多种特征作为特征数据;其次,根据自编码器（Auto Encoder,AE）与深度置信网络（Deep Belief Network,DBN）的优势构建AE-DBN模型进行特征学习和恶意软件检测;再次,通过实验证... 

【文章来源】：贵州师范大学贵州省

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

018年新增恶意软件比例Fig.1-1Proportionofnewmalwarein2018

谷歌收购了创业公司 Android 及其团队。2007 年，第一款开roid 操作系统由谷歌公司牵头的开放手机联盟(Open Handset Alliance)发着 2008 年就发布了第一个基于 Android 操作系统的智能手机，并且之致力于移动客户端的 Android 操作系统的开发。如今，Android 系统的市场份额占比已是最高，占据了整个移动智能终地位，主要原因是它的开放性能够安装第三方提供商的各种软件，广受，并且开发人员或者兴趣爱好者都可以开发 Android 软件并通过 Goo布。.1Android 系统架构Android 系统架构就是一个软件堆栈，从底向上主要由 Linux 内核层、库层、Android 框架层和 Android 应用层组成[31-32]，如图 2-1 所示。

APK的组成

【参考文献】：
期刊论文
[1]自编码神经网络理论及应用综述[J]. 袁非牛,章琳,史劲亭,夏雪,李钢.  计算机学报. 2019(01)
[2]安卓恶意软件的静态检测方法[J]. 陈红闵,胡江村.  计算机系统应用. 2018(07)
[3]深度学习原理及应用综述[J]. 付文博,孙涛,梁藉,闫宝伟,范福新.  计算机科学. 2018(S1)
[4]基于改进随机森林算法的Android恶意软件检测[J]. 杨宏宇,徐晋.  通信学报. 2017(04)
[5]Droid Detector:Android Malware Characterization and Detection Using Deep Learning[J]. Zhenlong Yuan,Yongqiang Lu,Yibo Xue.  Tsinghua Science and Technology. 2016(01)
[6]Android安全综述[J]. 张玉清,王凯,杨欢,方喆君,王志强,曹琛.  计算机研究与发展. 2014(07)
[7]浅谈Linux用户管理[J]. 王艳丽.  电子科技. 2010(05)

博士论文
[1]基于深度学习的说话人识别建模研究[D]. 酆勇.重庆大学 2016
[2]语种识别深度学习方法研究[D]. 蒋兵.中国科学技术大学 2015

硕士论文
[1]基于RR间期和深度置信网络的房颤检测[D]. 万慧华.河北大学 2015



本文编号：3524408