[发明专利]一种基于代码文档的安卓API语义关系图谱构建方法

说明书

本发明属于移动安全技术领域，具体为一种基于代码文档的安卓API语义关系图谱构建方法。安卓系统拥有大量API，并且API之间蕴含着丰富的语义关系。这些语义关系具有重要的应用价值，特别是在使用API作为输入特征的机器学习任务中，能为模型提供更强的泛化性。本发明的基于代码文档的安卓API语义关系图谱构建方法，主要包括安卓API语义关系分类、可泛化表示API关系的模板及其迭代式生成、基于自然语言处理和模板的关系图谱构建。本发明能够全面准确地构建安卓API之间的语义关系图谱。

技术领域

本发明属于移动安全技术领域，具体涉及安卓安全和自然语言处理方法。

背景技术

安卓系统是目前最为流行的移动操作系统。根据国际数据公司（IDC）的数据报告，截至 2019 年底安卓系统在移动手机上的市场占有率为 86.6%，是最为流行的移动操作系统。除了智能手机和平板，安卓系统也广泛应用于其他各种智能设备，比如智能穿戴设备、智能汽车、智能家居以及各种 IoT 设备上。

安卓系统提供大量应用程序编程接口（Application Programming Interface,API)。以最新的安卓系统10.0为例，该版本的系统有将近6万个API。通过这些API，安卓程序可以访问系统资源和服务，与系统及用户进行交互，提供各种功能。

安卓API之间蕴含大量语义关系。不同的API之间存在着各种语义关系，比如两个API可能使用相同的权限，再如一个API必须在调用了另一个API之后才能被调用。而目前安卓API仅通过包、类等结构进行组织，并没有有效地反映这些语义关系，也没有系统地对这些语义关系进行分类。

安卓API语义关系有着重要的应用价值。目前大量工作基于安卓API展开研究，比如恶意行为分析、恶意软件检测等。特别地，当前基于机器学习的方法广为流行。但这些方法都将每个API当作一个独立的输入特征来看，而忽略了API直接的语义关系，而这将降低机器学习模型的泛化性。举例而言，安卓恶意软件会快速演化以规避已有的分析方法，但为了保持新旧版本中恶意行为的连贯性，其往往使用具有很强的语义相似性的API进行替换。使模型学习到API之间的语义相似性，能够提高对这类恶意软件的检出率，增强模型的泛化性。

利用自然语言处理技术可以从安卓代码文档中构建API语义关系图谱。自然语言处理技术正在成为信息时代最重要的技术之一，在语言翻译和问题回答等领域得到了广泛的应用。自然语言处理技术能够帮助计算机处理和理解自然语言，在安卓API语言问题中，能够帮助理解API描述中的语义信息，有助于准确地构建API语义关系图谱。

发明内容

本发明的目的在于提供一种能够全面准确地构建安卓API之间的语义关系图谱的基于代码文档的安卓API语义关系图谱构建方法，为安卓恶意行为分析、恶意软件检测等领域提供帮助或启发。

本发明设计的基于代码文档的安卓API语义关系图谱构建方法，通过安卓官方代码文档挖掘API语义关系。具体而言对安卓API语义进行科学的分类，并总结可泛化表示API关系的模板，提出其迭代式生成方法，基于自然语言处理和模板的关系图谱构建，利用安卓官方代码文档构建API语义关系图谱。

本发明提出的安卓API语义关系图谱构建方法，其整体架构如图1所示，主要包括三个方面：安卓API语义关系分类方法；可泛化表示API关系的模板及其迭代式生成方法；基于自然语言处理和模板的关系图谱构建方法。具体步骤如下。

（一）安卓API语义关系分类

首先研究了安卓官方文档，发现安卓官方文档蕴含丰富的信息，API是其中最基本的元素。除了API，文档中还包括类（class）、包（package）和权限（permission），类和包是java中的基本元素，权限描述了安卓API在执行过程中需要的资源，它们都与API存在语义关系。