[发明专利]基于稀疏贝叶斯模型的安卓恶意行为软件识别方法及系统在审
| 申请号： | 201810730308.X | 申请日： | 2018-07-05 |
| 公开（公告）号： | CN109086604A | 公开（公告）日： | 2018-12-25 |
| 发明（设计）人： | 刘宁;杨敏;张航;张仕斌 | 申请（专利权）人： | 成都信息工程大学 |
| 主分类号： | G06F21/56 | 分类号： | G06F21/56;G06F8/53 |
| 代理公司： | 北京轻创知识产权代理有限公司 11212 | 代理人： | 谈杰 |
| 地址： | 610225 四川省成都*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于软件程序技术领域，公开了一种基于稀疏贝叶斯模型的安卓恶意行为软件识别方法及系统，将Dalvik序列转变为由字母表示的opcode序列；分别提取应用程序的3‑gram序列的概率；使用稀疏贝叶斯学习算法进行模型训练；在使用稀疏贝叶斯算法中，使用GA‑PSO的混合算法对对准参数进行寻优，利用遗传粒子群的混合算法与粒子群算法的全局迅速搜索特性，在有限的时间内获取到足够好的对准参数；使用训练好的模型进行未知Android应用程序的识别。本发明基于相关向量机算法可以很好的避免由于支持向量机算法参数选择错误导致的识别精度下降，即在不进行更多参数输入的情况下依旧保持其较高的识别精确度。 | ||
| 搜索关键词： | 稀疏 贝叶斯模型 对准参数 恶意行为 混合算法 软件识别 贝叶斯 支持向量机算法 粒子群算法 向量机算法 参数选择 错误导致 模型训练 软件程序 学习算法 应用程序 字母表示 多参数 粒子群 算法 寻优 搜索 遗传 概率 全局 | ||
【主权项】：
1.一种基于稀疏贝叶斯模型的安卓恶意行为软件识别方法，应用于支持向量机，其特征在于，基于稀疏贝叶斯模型的安卓恶意行为软件识别方法，包括：将Dalvik序列转变为由字母表示的opcode序列；分别提取应用程序的3‑gram序列的概率；使用稀疏贝叶斯学习算法进行模型训练；使用稀疏贝叶斯算法中，引入基于遗传粒子群的混合算法对对准参数进行寻优；在遗传粒子群的混合算法的变异中引入了粒子群算法，辅助原有的遗传粒子群的混合算法在进行变异操作时进行方向性的寻优；使用训练好的模型进行未知Android应用程序的识别；对未知的Android应用程序进行反编译、opcode提取及3‑gram概率的提取；提取后以每一个3位指令序列为一维度向量，以在多维空间中所属的位置与训练模型形成的超平面进行比对，确定是否属于正常的Android程序区间。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于成都信息工程大学，未经成都信息工程大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810730308.X/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于机器学习的入侵检测系统及方法
- 下一篇：一种分布式数据处理方法
