[发明专利]一种改进朴素贝叶斯算法的安卓恶意程序检测方法

摘要

本发明公开了一种改进朴素贝叶斯算法的安卓恶意程序检测方法，与现有技术相比，本发明过属性加权方式对朴素贝叶斯分类算法进行改进，来提高朴素贝叶斯算法的分类性能。通过对不同特征属性进行加权处理，而加权的系数是需要量化的，那么本发明就根据信息增益率求得的权值与互信息求得的权值结合的方式得到新的权值。为了防止其中一种算法得到的权值过大而影响新权值的确定，在各个求得权值后进行了归一化处理，以此来提高加权朴素贝叶斯分类算法的分类性能，进而提高Android应用程序检测模型的准确性。

主权项

1.一种改进朴素贝叶斯算法的安卓恶意程序检测方法，其特征在于，包括以下步骤：步骤一：基于信息增益率的权值：训练样本数据集D的信息熵为：其中C表示样本所属类别，第m个类别出现的概率是P(Cm)；熵是用来度量数据的不确定性，当熵越大，数据的不确定性越大；训练样本集D中，第n个属性In的信息熵为：其中，H(D_q)是训练样本子集D_q的信息熵；由(5),(6)得属性In的信息增益为：Gain(In,D)＝H(D)‑H(In,D)                  (7)属性In广泛性的分裂信息为：属性In的信息增益率为：则信息增益率得到的权值Gn：其中N是训练样本集D中属性个数；对其归一化得到步骤二：基于互信息的权值：设条件属性S和决策属性L的互信息表示为：可以得到第n个条件属性sn的权值为：对其归一化得到步骤三：加权朴素贝叶斯的权值确定：由以上所述，得到加权朴素贝叶斯的权重计算,即定义二者的平均值作为新的权值公式：