[发明专利]应用程序识别方法、系统、存储介质以及电子设备

说明书

本公开公开了一种应用程序识别方法、系统、存储介质以及电子设备，涉及智能家居技术领域，该方法包括：获取待识别应用程序的静态特征；所述静态特征包括权限请求信息、API请求信息以及活动组件比值中的至少一项；其中，该活动组件比值表征应用程序所使用的活动组件的数量与该应用程序所使用的四大组件的总数的比值；将待识别应用程序的静态特征作为训练好的识别模型的输入，获得所述待识别应用程序的识别结果，以根据所述识别结果确定所述待识别应用程序是否为恶性应用程序。本公开的有益效果是：能够准确、快速地对应用程序进行识别，避免用户安装恶性应用程序，导致造成损失。

技术领域

本公开属于计算机程序安全领域，尤其涉及一种应用程序识别方法、系统、存储介质以及电子设备。

背景技术

Android(安卓)手机是目前全球最受欢迎的移动智能终端之一。Android平台的开源性为第三方Android应用的开发带来了便利，但也为恶性应用的开发提供了条件。除了Google(谷歌)的官方应用商店外，也存在着许多良莠不齐的第三方Android应用商店。由于Android应用数量的庞大，以及部分应用商店的管理疏漏，导致用户下载安装了恶性应用程序，造成泄露隐私、恶意扣费等不良后果。因此，如何对应用程序进行识别，成为重要的技术问题。

发明内容

本公开正是基于目前移动终端应用程序繁多当管理不完善，导致存在较多的恶性应用程序的技术问题，提出了一种应用程序识别方法、系统、存储介质以及电子设备。

第一方面，本公开实施例提供了一种应用程序识别方法，包括：

获取待识别应用程序的静态特征；所述静态特征包括权限请求信息、API请求信息以及活动组件比值中的至少一项；其中，该活动组件比值表征应用程序所使用的活动组件的数量与该应用程序所使用的四大组件的总数的比值；

将待识别应用程序的静态特征作为训练好的识别模型的输入，获得所述待识别应用程序的识别结果，以根据所述识别结果确定所述待识别应用程序是否为恶性应用程序。

可选地，所述识别模型通过以下步骤构建：

获取训练样本集，该训练样本集中包括良性应用程序样本以及恶性应用程序样本；

提取所述训练样本集中的每个应用程序样本的静态特征；

将每个应用程序样本的静态特征作为待训练的分类器的输入，以对所述分类器进行训练，得到所述识别模型。

可选地，将每个应用程序样本的静态特征作为待训练的分类器的输入，以对所述分类器进行训练，得到所述识别模型，包括：

根据应用程序样本的静态特征，构建特征矩阵；

将所述特征矩阵作为待训练的分类器的输入，以对所述分类器进行训练，得到所述识别模型；

其中，所述特征矩阵为m行n列的矩阵，该矩阵中的每个元素表示为a_mn；其中，m表示第m个应用程序样本，n表示该应用程序样本的第n个静态特征。

可选地，根据应用程序样本的静态特征，构建特征矩阵，包括：

当该特征矩阵中的第n个静态特征为权限请求特征时，根据所述权限请求信息确定第m个应用程序样本中是否存在该权限请求特征，若存在，则a_mn的取值为1，若不存在，则a_mn的取值为0；

当该特征矩阵中的第n个静态特征为API请求特征时，根据所述API请求信息确定第m个应用程序样本中是否存在该API请求特征，若存在，则a_mn的取值为1，若不存在，则a_mn的取值为0；