[发明专利]一种基于级联分类器的安卓恶意代码检测模型方法

摘要

本发明提供一种基于级联分类器的安卓恶意代码检测模型方法，获取待检测的apk文件；使用apktool反汇编apk提取资源文件，图片文件和布局文件；使用dex2jar将apk反编译成java源码；使用jd‑gui查看APK中classes.dex转化出的jar文件，即源码文件；从反汇编的文件中提取操作码序列和api调用；将操作码序列和api调用特征合并为一个特征；用特征训练级联分类器，降低恶意代码误检率。本发明有效的区分良性样本和恶意软件，降低恶意软件的误检率，实现安卓端的应用安全；本发明是一种检测率高，成功率高，误检率低的检测方法；通过级联分类器的检测恶意软件，有效的降低恶意代码的误报率，同时比单个分类器的检测高效，比多个分类器的检测节约时间，大大提升了安卓端恶意代码检测的效率。

主权项

1.一种基于级联分类器的安卓恶意代码检测模型方法，其特征在于，具体的实现步骤为：步骤1.将待检测的apk文件使用apktool反汇编，提取资源文件、图片文件、布局文件；步骤2.扫描字节码文件和java代码中的API，从中提取API调用序列；步骤3.以API的调用序列对API调用的参数进行查找，判断调用是否为用户个人隐私，是否通过网络将个人数据发送到指定服务器或者邮箱；步骤4.提取的API调用序列和操作码序列各提取十个特征值记录，采用矩阵相乘方法将两个特征合并为一个新的特征；步骤5.进行弱分类器的训练，计算每次分类的误差，求出分类误差的最小值，得到训练的最优弱分类器；步骤6.进行强分类器的训练，设定每次强分类器的最小检测率和最大误检率，作为训练结束的标志；步骤7.将多个弱分类器组合成强分类器，将多个强分类器组合成级联分类器；步骤8.将新的特征输入级联分类器，当样本软件被判定为恶意样本的时候，则不再对该样本进行检测。