[发明专利]基于RNN和CNN的Android恶意软件检测方法及系统有效
| 申请号： | 201910751207.5 | 申请日： | 2019-08-15 |
| 公开（公告）号： | CN110489968B | 公开（公告）日： | 2021-02-05 |
| 发明（设计）人： | 赵立超;李丹;陈璨;史闻博;李天祥 | 申请（专利权）人： | 东北大学秦皇岛分校 |
| 主分类号： | G06F21/56 | 分类号： | G06F21/56;G06N3/04;G06N3/08;G06F8/53 |
| 代理公司： | 石家庄知住优创知识产权代理事务所(普通合伙) 13131 | 代理人： | 林艳艳 |
| 地址： | 066004 河北省秦*** | 国省代码： | 河北;13 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于RNN和CNN的Android恶意软件检测方法及系统，检测方法包括：对训练样本的原始安装文件进行特征提取，获得操作码序列；利用操作码序列训练BLSTM网络；利用训练好的BLSTM网络将操作码序列提取为特征图片；利用特征图片训练卷积神经网络；对待检测Android应用，首先对其安装文件进行特征提取，获得其操作码序列；然后将该操作码序列输入训练好的BLSTM网络中，提取出特征图片；最后将该特征图片输入到训练好的卷积神经网络中，输出是否属于恶意软件的分类结果。本发明实现对Android平台下的善意软件和恶意软件的识别区分，提高Android软件平台的安全性。 | ||
| 搜索关键词： | 基于 rnn cnn android 恶意 软件 检测 方法 系统 | ||
【主权项】：
1.一种基于RNN和CNN的Android恶意软件检测方法，其特征在于：包括以下步骤：/nS1，对训练样本的原始安装文件进行特征提取，获得操作码序列；/nS2，利用操作码序列训练BLSTM网络，得到训练好的BLSTM网络；/nS3，利用训练好的BLSTM网络将操作码序列提取为特征图片；/nS4，利用特征图片训练卷积神经网络，得到训练好的卷积神经网络；/nS5，对待检测Android应用，首先对其安装文件进行特征提取，获得其操作码序列；然后将该操作码序列输入步骤S3获得的训练好的BLSTM网络中，提取出特征图片；最后将该特征图片输入到步骤S4中训练好的卷积神经网络中，输出是否属于恶意软件的分类结果。/n
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东北大学秦皇岛分校，未经东北大学秦皇岛分校许可，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/201910751207.5/，转载请声明来源钻瓜专利网。
