[发明专利]基于机器学习的安卓平台恶意软件检测方法

摘要

本发明公开了一种基于机器学习的安卓平台恶意软件检测方法，分别收集等量的标定的恶意程序集M和采集的正常程序集B，分别组成样本库；通过大量样本进行训练，比较后得出最佳的分类模型，然后对待检测的程序提取权限信息，生成特征向量，输入分类模型后得出检测结果；对待测程序进行分类，得到待测程序是恶意程序或正常程序这一判别结果。与现有技术相比，本发明提高了恶意软件检测的效率和准确率；具有简单、高效的特点，避免了动态检测技术中繁杂的操作和较大的能耗，在保证准确率的基础上大幅提高了检测的速度；可以为个人用户提供基本的保护，同时也可以作为Android第三方电子市场的审核工具。

主权项

一种基于机器学习的安卓平台恶意软件检测方法，其特征在于，该方法包括以下步骤；步骤一、分别收集等量的标定的恶意程序集M和采集的正常程序集B，分别组成样本库；步骤二、对样本库中所有的Android程序的安装文件用逆向工程工具进行反编译，获取其配置文件；步骤三、对上述的配置文件进行解码，并提取其中的权限信息，分别得到恶意程序集M的权限集和采集的正常程序集B的权限集；步骤四、对上述的每个权限集进行统计，选取使用频次多的权限并进行筛选，最终分别获取46个权限为特征权限，作为样本的特征库；步骤五、对样本库中所有的程序进行特征提取，46个特征中使用到的置1，未使用的置0，每个样本生成一个对应的46维的二进制特征向量，同时标定类别信息；步骤六、基于上述样本的特征库，使用分类工具和分类算法进行分类训练，生成相应的分类模型；步骤七、获取待测程序的安装文件；根据上述步骤二～步骤五，生成对应的特征向量；步骤八、根据步骤六生成的分类模型、且以步骤七生成的特征向量为输入，对待测程序进行分类，得到待测程序是恶意程序或正常程序这一判别结果。