文献类型：期刊文章

作　　者：葛文麒[1] 杨清[1] 廖俊国[1] 何羽轩[2]

GE Wenqi;YANG Qing;LIAO Junguo;HE Yuxuan(School of Computer Science and Engineering,Hunan University of Science and Technology,Xiangtan,Hunan 411201,China;Department of Computer,Xiaoxiang College,Hunan University of Science and Technology,Xiangtan,Hunan 411201,China)

机构地区：[1]湖南科技大学计算机科学与工程学院,湖南湘潭411201 [2]湖南科技大学潇湘学院计算机系,湖南湘潭411201

出　　处：《计算机工程》

基　　金：国家自然科学基金(61772194)。

年　　份：2020

卷　　号：46

期　　号：11

起止页码：174-180

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：当前Android系统恶意应用程序数量增长迅猛,然而传统检测系统无法对其进行快速有效检测,移动终端安全性面临严重威胁。提出一种将特征加权与双向长短期记忆(Bi-LSTM)神经网络深度学习算法相结合的恶意检测系统。采用静态分析方法从恶意与良性应用程序中提取不同类型行为特征,利用特征加权方法消除噪声与不相关因素后构建特征向量,使用Bi-LSTM深度学习算法优化行为特征参数,并设计恶意与良性应用程序分类模型,建立特征加权与深度学习算法相结合的恶意应用程序检测系统。实验结果表明,与支持向量机、RNN等传统检测系统相比,该系统对恶意应用程序具有较高的检测精度与准确率。

关 键 词：ANDROID系统 恶意应用  特征加权 深度学习  双向长短期记忆神经网络  

分 类 号：TP316]