[发明专利]一种基于机器学习的恶意移动应用程序判定方法

摘要

本发明公开了一种基于机器学习的恶意移动应用程序判定方法,通过对该应用程序的联网通讯行为是否为恶意行为进行自动学习和判定，进而判断该应用程序是否是恶意的方法；该方法涉及移动到应用程序检测等领域，可以用来开发类似检测功能的应用程序，单独安装在智能手机上使用，也可以支撑第三方检测机构开发专门的应用程序恶意检测工具包等。

主权项

一种基于机器学习的恶意移动应用程序判定方法，其特征在于，包括如下步骤：S1、首先收集若干数量的正常移动应用程序和恶意移动应用程序；S2、将智能手机连入网络，在该智能手机上依次安装和启动S1获得的各个应用程序，并且通过人工操作触发各应用程序，对网络进行持续的监听，获取到应用程序的所有网络通讯内容，提取出应用程序向远程服务器所发送的请求内容的所有数据信息；S3、对每一个应用程序所捕获的所有发送请求信息，按排列顺序依次首、尾相连，整合成一个长字符串，记录该长字符串对应的应用程序的类别，即正常移动应用程序或恶意移动应用程序；针对每一个长字符串，设长度用N表示，分别从第1,2，…N个字符开始向后截取长度为M的字符单元，查找重复的字符单元，并记录重复次数；所述M远小于长字符串长度N；S4、将S3得到的每一个应用程序对应的所有不同的字符单元作为特征空间，字符单元重复次数作为特征值，形成一个样本，根据S3的记录对样本进行类别标记，所有应用程序对应的样本形成训练样本集，并采用机器学习的方法进行二次分类学习训练，得到一个分类器；S5、对于某个需要判定的移动应用程序，先采用S2的方法，获得该移动应用程序所发送的请求内容的所有数据信息，再采用S3的方法，得到字符串单元和重复次数，最后利用S4得到的分类器判定该移动应用程序是否为恶意移动应用程序。