基于权限频繁模式挖掘算法的Android恶意应用检测方法.pdf

基于权限频繁模式挖掘算法的Android恶意应用检测方法.pdf

ID:52434675

大小:805.51 KB

页数:10页

时间:2020-03-27

基于权限频繁模式挖掘算法的Android恶意应用检测方法.pdf_第1页
基于权限频繁模式挖掘算法的Android恶意应用检测方法.pdf_第2页
基于权限频繁模式挖掘算法的Android恶意应用检测方法.pdf_第3页
基于权限频繁模式挖掘算法的Android恶意应用检测方法.pdf_第4页
基于权限频繁模式挖掘算法的Android恶意应用检测方法.pdf_第5页
资源描述:

《基于权限频繁模式挖掘算法的Android恶意应用检测方法.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第34卷第Z1期通信学报Vol.34No.Z12013年8月JournalonCommunicationsAugust2013doi:10.3969/j.issn.1000-436x.2013.z1.014基于权限频繁模式挖掘算法的Android恶意应用检测方法11,212杨欢,张玉清,胡予濮,刘奇旭(1.西安电子科技大学综合业务网理论及关键技术国家重点实验室,陕西西安710071;2.中国科学院大学国家计算机网络入侵防范中心北京100190)摘要:Android应用所申请的各个权限可以有效反映出应用程序的行为模式,而一个恶意行为的产生需

2、要多个权限的配合,所以通过挖掘权限之间的关联性可以有效检测未知的恶意应用。以往研究者大多关注单一权限的统计特性,很少研究权限之间关联性的统计特性。因此,为有效检测Android平台未知的恶意应用,提出了一种基于权限频繁模式挖掘算法的Android恶意应用检测方法,设计了能够挖掘权限之间关联性的权限频繁模式挖掘算法—PApriori。基于该算法对49个恶意应用家族进行权限频繁模式发现,得到极大频繁权限项集,从而构造出权限关系特征库来检测未知的恶意应用。最后,通过实验验证了该方法的有效性和正确性,实验结果表明所提出的方法与其他相关工作对比效果

3、更优。关键词:频繁模式;数据挖掘;恶意应用检测;权限特征;Android系统中图分类号:TP393.08文献标识码:A文章编号:1000-436X(2013)Z1-0106-10Androidmalwaredetectionmethodbasedonpermissionsequentialpatternminingalgorithm11,212YANGHuan,ZHANGYu-qing,HUYu-pu,LIUQi-xu(1.StateKeyLaboratoryofIntegratedServicesNetworks,XidianUnive

4、rsity,Xi'an710071,China;2.NationalComputerNetworkIntrusionProtectionCenter,UniversityofChineseAcademyofSciences,Beijing100190,China)Abstract:ThepermissionsrequestedbyAndroidapplicationsreflectthebehaviorsequenceoftheapplication.Whileagenerationofmaliciousbehaviorusuallyre

5、quiresthecooperationofmultiplepermissions,sominingtheassociationbe-tweenpermissionscaneffectivelydetectunknownmaliciousapplications.Mostresearchersconcernedthestatisticalpropertiesofasinglepermission,andtherewaslittleresearchersstudyingthestatisticalpropertiesoftheassocia

6、tionbe-tweenpermissions.InordertodetectunknownAndroidmalwares,anAndroidmalwaredetectionmethodbasedonper-missionsequentialpatternminingalgorithmwasproposed.TheproposedmethoddesignapermissionsequentialpatternminingalgorithmPAprioritodigoutpermissionsassociation.PApriorialgo

7、rithmcoulddiscoverpermissionsequentialpatternfrom49malwarefamiliesandbuildthepermissionsassociationdatasettodetectmalware.Theexperimentresultsprovethatitperformsbetterthanotherrelatedworkinefficiencyandaccuracy.Keywords:sequentialpatternmining;datamining;malwaredetection;

8、permissionfeature;AndroidOS4.28亿部。其中,GoogleAndroid和AppleiOS操1引言作系统的智能手机市场份额分别为72.4%和13.9%,根据市场调研

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。