[发明专利]恶意安卓软件检测方法及装置

说明书

本发明实施例提供一种恶意安卓软件检测方法，包括：确定已知安卓软件训练样本集中每个训练样本包含的行为特征，所述行为特征包含一个已知安卓软件触发敏感行为的时序和频次信息；利用所有训练样本对全连接神经网络进行训练，以获得全连接神经网络检测模型，利用所述全连接神经网络检测模型对未知安卓软件进行恶意检测。本发明考虑到恶意安卓软件与非恶意安卓软件的敏感行为触发时序和频次存在差异，利用已知安卓软件的行为特征训练得到全连接神经网络检测模型，进而根据未知安卓软件的行为特征利用全连接神经网络检测模型对未知安卓软件进行恶意检测，实现了恶意安卓软件与非恶意安卓软件的行为种类并没有明显时的恶意安卓软件检测。

技术领域

本发明实施例涉及移动信息安全技术领域，尤其涉及一种恶意安卓软件检测方法及装置。

背景技术

恶意安卓软件为在用户不知情的情况下安装于用户的安卓平台移动终端上的应用程序。恶意安卓软件的运行通常会导致恶意扣费、盗取用户账号密码或远程控制用户的安卓平台移动终端等严重危害安卓平台移动终端用户利益的后果。因此，检测出恶意安卓软件对于维护安卓平台移动终端用户的利益具有重要作用。

恶意安卓软件的传统检测方法之一是行为检测法。行为检测法是一种利用恶意安卓软件的特有行为进行恶意安卓软件检测的方法。恶意安卓软件的特有行为指与非恶意安卓软件的行为有明显差异的行为(在非恶意安卓软件中较为罕见)，是许多恶意安卓软件的共同行为。行为检测法的检测方法为：当待检测软件运行时，监视其行为，一旦发现恶意安卓软件的特有行为，即判定待检测软件为恶意安卓软件。

但若恶意安卓软件与非恶意安卓软件的行为种类并没有明显的差异，此时现有行为检测法很难检测出恶意安卓软件。

发明内容

本发明实施例提供一种恶意安卓软件检测方法及装置，用以解决许多恶意安卓软件的行为与非恶意安卓软件的行为并没有明显的差异，仅各种行为的执行时序和频次存在差异时，现有技术难以检测恶意安卓软件的问题。

本发明实施例提供一种恶意安卓软件检测方法，包括：确定已知安卓软件训练样本集中每个训练样本包含的行为特征，所述行为特征包含一个已知安卓软件触发敏感行为的时序和频次信息；利用所有训练样本对全连接神经网络进行训练，以获得全连接神经网络检测模型，其中，所述全连接神经网络检测模型对应损失函数在已知安卓软件训练样本集上的误差值在允许范围内；利用所述全连接神经网络检测模型对未知安卓软件进行恶意检测。

本发明实施例提供一种恶意安卓软件检测装置，包括：行为特征确定模块，用于确定已知安卓软件训练样本集中每个训练样本包含的行为特征，所述行为特征包含一个已知安卓软件触发敏感行为的时序和频次信息；模型确定模块，用于利用所有训练样本对全连接神经网络进行训练，以获得全连接神经网络检测模型，其中，所述全连接神经网络检测模型对应损失函数在已知安卓软件训练样本集上的误差值在允许范围内；检测模块，用于利用所述全连接神经网络检测模型对未知安卓软件进行恶意检测。

本发明实施例提供一种计算机设备，包括：处理器；以及用于存放计算机程序的存储器，所述处理器用于执行所述存储器上所存放的计算机程序，以实现如上所述的恶意安卓软件检测方法。

本发明实施例提供一种计算机存储介质，所述计算机存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的恶意安卓软件检测方法。

本发明实施例提供的恶意安卓软件检测方法及装置，考虑到恶意安卓软件与非恶意安卓软件的敏感行为触发时序和频次存在差异，利用已知安卓软件的行为特征训练得到全连接神经网络检测模型，进而根据未知安卓软件的行为特征利用全连接神经网络检测模型对未知安卓软件进行恶意检测，实现了恶意安卓软件与非恶意安卓软件的行为种类并没有明显时的恶意安卓软件检测。

附图说明