融合多样频度与分布差异的Android恶意软件检测

作     者：赵旭康 刘晓锋 徐洁 ZHAO Xu-kang;LIU Xiao-feng;XU Jie

作者机构：西华师范大学计算机学院四川南充637009 西华师范大学电子信息工程学院四川南充637009 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2024年第45卷第2期

页      面：390-395页

学科分类：0839[工学-网络空间安全] 08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：四川省教育厅重点基金项目(16ZA0174) 四川省科技厅自然科学基金项目(2022NSFSC0536) 

主　　题：特征重要性评分 特征选择 机器学习 恶意软件检测 静态分析 随机森林 移动安全 

摘      要：为解决Android恶意软件检测中特征数量多且检测精度不足的问题,提出一种特征重要性的评分算法。改进词频与逆文本频率指数中对常见特征权重下降的不足,将权限、意图和接口3种类型的静态特征在良性与恶意数据集中表现出的多样频度与分布差异相结合,根据得出的评分大小依次排名,筛选出更有区分度的关键特征。实验结果表明,将该方法筛选出的前150个关键特征与随机森林模型结合,达到的98.82%准确率优于同等条件下的其它算法,满足实际运用的需求。