基于深度信念网络的Android恶意应用检测方法

来源：计算机工程与应用杂志2018年第18期北京时间：

作者：赵 薇1，4，王 楠2，苏 欣3，4，张波云1

单位：1.湖南警察学院 网络侦查技术湖南省重点实验室，长沙 410138；2.国防科技大学 机电工程与自动化学院，长沙 410073；3.湖南警察学院 网络犯罪侦查湖南省普通高校重点实验室，长沙 410138；4.湖南警察学院 信息技术系，长沙 410138

摘要：传统的机器学习算法无法有效地从海量的行为特征中选择出有本质的行为特征来对未知的Android恶意应用进行检测。为了解决这个问题，提出DBNSel，一种基于深度信念网络模型的Android恶意应用检测方法。为了实现该方法，首先通过静态分析方法从Android应用中提取5类不同的属性。其次，建立深度信念网络模型从提取到的属性中进行选择和学习。最后，使用学习到的属性来对未知类型的Android恶意应用进行检测。在实验阶段，使用一个由3 986个Android正常应用和3 986个Android恶意应用组成的数据集来验证DBNSel的有效性。实验结果表明，DBNSel的检测结果要优于其他几种已有的检测方法，并可以达到99.4%的检测准确率。此外，DBNSel具有较低的运行开销，可以适应于更大规模的真实环境下的Android恶意应用检测。

关键词：Android恶意应用,深度信念网络,安全,静态分析