[发明专利]基于SVM的Android移动网络终端恶意代码的动静结合检测方法

摘要

本发明公开了一种基于SVM的Android移动网络终端恶意代码的动静结合检测方法，构建包含恶意软件和非恶意软件的训练样本数据集；获取训练样本数据集中每个样本的静态特征与动态行为特征，构建每个软件样本的特征向量；对所有软件样本的特征向量增加恶意软件标记字段，训练支持向量机分类器；对恶意软件样本的特征向量增加恶意软件类别标记字段，训练随机森林分类器；提取待测软件的静态特征向量和动态特征向量，构建待测软件的特征向量；利用支持向量机分类器进行恶意软件检；若检测为恶意的软件，则进一步利用随机森林分类器判断其所属的恶意软件家族。本发明提高了软件恶意行为检测的准确性，同时具有恶意家族分类的能力。

主权项

1.基于SVM的Android移动网络终端恶意代码的动静结合检测方法，其特征在于，包括以下步骤：/n步骤1、获取Android移动智能终端嵌入式恶意软件样本，并标记各样本所属的Android恶意软件家族，然后获取非恶意软件样本，从而构建包含恶意软件和非恶意软件的训练样本数据集；/n步骤2、使用反编译工具处理Android软件样本，构建软件的静态特征向量；/n步骤3、创建Android虚拟设备，使用Android软件动态分析工具，构建软件的动态特征向量；/n步骤4、获取训练样本数据集中每个样本的静态特征与动态行为特征，构建每个软件样本的特征向量；/n步骤5、对所有软件样本的特征向量增加恶意软件标记字段，指明该样本是否为恶意软件，利用带恶意软件标记字段的特征向量训练支持向量机分类器；/n步骤6、对恶意软件样本的特征向量增加恶意软件类别标记字段，指明该样本所属的Android恶意软件家族，利用带恶意软件类别标记字段的特征向量训练随机森林分类器；/n步骤7、提取待测软件的静态特征向量和动态特征向量，构建待测软件的特征向量；/n步骤8、利用支持向量机分类器进行恶意软件检；若检测为恶意的软件，则进一步利用随机森林分类器判断其所属的恶意软件家族。/n