[发明专利]一种基于静态特征提取和选择的Android恶意应用检测方法

摘要

本发明公开了一种基于静态特征提取和选择的Android恶意应用检测方法，基于属性出现频率来对提取到的静态属性进行选择，提高检测的准确率和召回率，同时降低误判率和时间开销。本发明与现有的Android恶意应用检测方法相比，准备率提高了21.4％，召回率提高了34.7％，误判率下降了22.6％。

主权项

一种基于静态特征提取和选择的Android恶意应用检测方法，其特征在于，包括以下步骤：1)通过AppExtractor自动化工具从所有的应用中提取它们各自对应的特征集合F，每个特征集合F包括一个label类别标签元素，其中label的值为0或1，分别对应正常应用和恶意应用；2)对特征集合F进行处理，得到仅包含少部分特征的输出F′，F′保留F中的label类别标签元素；3)以F′中的特征为基础，对所有的应用构建特征向量，将所有的特征向量作为机器学习算法的输入，利用机器学习算法对所有的应用分类，此时所有的应用会被机器学习算法分配新的类别标签label′；如果一个应用的label和lable′值相等，这表明应用被正确分类，否则被错误分类；label′的取值与label的取值相同；4)对于未知类别的应用，重复步骤1)～步骤3)，如果未知类别的应用对应的label′为0，则表示该应用为正常应用；如果label′为1，则表示该应用为恶意应用。