资料下载
×
基于Bagging-SVM的Android恶意软件检测模型
消耗积分:1 |
格式:rar |
大小:1.05 MB |
2018-04-17
分享资料个
恶意软件具有隐蔽性强、窃取用户隐私和恶意扣费等特点，给Android手机用户带来日益严重的安全威胁，Android手机的安全形势日益严峻。Android恶意软件的快速高效检测成为目前的一个研究热点。
随着机器学习算法的广泛应用，许多研究者尝试借助机器学习方法进行Android恶意软件检测研究。通过训练机器学习分类器可模拟Android软件的行为，从而准确地区分良性软件和恶意软件。训练机器学习分类器的特征包括Android软件的静态特征和动态特征，通过对Android软件安装包（ Android PacKage，APK）逆向处理可获得如权限、API和意图等静态特征；通过监测APK文件运行过程的实时信息可获取如系统调用、网络流量等动态特征。相比之下，静态特征的获取不需要执行恶意软件，对系统的干扰小且易于统计分析，已成为较常用的特征提取方法。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
