基于Bagging-SVM的Android恶意软件检测模型
来源：计算机应用杂志2018年第3期北京时间：
作者：谢丽霞, 李爽
单位：中国民航大学 计算机科学与技术学院, 天津 300300
摘要：针对Android恶意软件检测中数据不平衡导致检出率低的问题，提出一种基于Bagging-SVM（支持向量机）集成算法的Android恶意软件检测模型。首先，提取AndroidManifest.xml文件中的权限信息、意图信息和组件信息作为特征；然后，提出IG-ReliefF混合筛选算法用于数据集降维，采用bootstrap抽样构造多个平衡数据集；最后，采用平衡数据集训练基于Bagging算法的SVM集成分类器，通过该分类器完成Android恶意软件检测。在分类检测实验中，当良性样本和恶意样本数量平衡时，Bagging-SVM和随机森林算法检出率均高达99.4%；当良性样本和恶意样本的数量比为4：1时，相比随机森林和AdaBoost算法，Bagging-SVM算法在检测精度不降低的条件下，检出率提高了6.6%。实验结果表明所提模型在数据不平衡时仍具有较高的检出率和分类精度，可检测出绝大多数恶意软件。
关键词：恶意软件,分类检测,Bagging算法,支持向量机,特征筛选
基金资助：中国民航科技基金资助项目（MHRD201205）。
