Android軟件惡意行為靜態(tài)檢測技術研究.pdf

1、Android操作系統成為市場占有率最高的終端系統，智能終端的功能也與PC越來越接近，但由于普通用戶安全意識的缺失和市場監(jiān)管的落后，基于Android系統的移動終端的安全檢測技術成為研究的熱點，本文研究Android軟件靜態(tài)分析技術來檢測潛在的惡意應用。
　　由于Android平臺是最近幾年剛出現的移動系統，Android平臺的病毒檢測技術相比于PC還不夠成熟，同時由于Android病毒應用的更迭周期較短，傳統的特征碼檢測技術已不

2、能適應移動平臺的發(fā)展，且該方法對未知類型的病毒和變種程序病毒的檢測率較低，很多學者將機器學習用于檢測Android平臺的病毒程序。本文提出了將貝葉斯網絡分類算法用于Android軟件的惡意行為檢測。本文主要完成以下兩個任務：
　　（1）提取Android軟件的靜態(tài)特征，由于提取的APK文件的靜態(tài)特征數量過多，為了提取對分類影響較大的特征，去除對分類沒有影響的特征，研究分析了三種不同的特征選擇方法，以選擇有效的特征用于貝葉斯網絡的分

3、類，提高模型的檢測率，并通過實驗驗證三種不同的選擇方法對分類結果的影響，最后選擇效果較好的特征選擇方法用于構建貝葉斯網絡模型。
　?。?）本文提出了基于貝葉斯網絡（BN）分類算法的Android軟件的惡意行為檢測模型。由于實現Android應用的惡意行為需要不同的特征組合，而且不同的特征之間存在一定的因果依賴關系，為了充分表達特征之間存在的依賴關系，采用貝葉斯網絡分類算法有利于提高Android惡意程序的檢測率，本文將改進的關聯規(guī)