基于BPSO-NB算法的Android恶意应用检测方法

被引：3

作者：

韩静丹

孙磊

王帅丽

王泽武

机构：

[1] 解放军信息工程大学三院

来源：

计算机与现代化 | 2017年 / 04期

基金：

国家重点研发计划;

关键词：

二值粒子群; 朴素贝叶斯; 特征选择; 恶意应用检测; 静态分析;

D O I：

暂无

中图分类号：

TP316 [操作系统]; TP309 [安全保密];

学科分类号：

081205 [计算机软件]; 081206 [计算机网络与安全];

摘要：

为了提高Android恶意应用检测效率,将二值粒子群算法(BPSO,Binary Particle Swarm Optimization)用于原始特征全集的优化选择,并结合朴素贝叶斯(NB,Nave Bayesian)分类算法,提出一种基于BPSO-NB的Android恶意应用检测方法。该方法首先对未知应用进行静态分析,提取Android Manifest.xml文件中的权限信息作为特征。然后,采用BPSO算法优化选择分类特征,并使用NB算法的分类精度作为评价函数。最后采用NB分类算法构建Android恶意应用分类器。实验结果表明,通过二值粒子群优化选择分类特征可以有效提高分类精度,缩短检测时间。

引用

页码：109 / 113

页数：5

共 14 条

[1]

Linear SVM-Based Android Malware Detection for Reliable IoT Services [J].