首页> 中文期刊> 《信息网络安全》 >基于深度学习的Android恶意应用静态检测方法

基于深度学习的Android恶意应用静态检测方法

         

摘要

随着移动互联网的快速发展,智能手机的普及率快速上升,其中Android系统占据了智能手机操作系统极大的市场份额。由于Android系统的高度流行和较为开放的技术生态,大量以窃取隐私、恶意破坏、木马操控等为目的的恶意应用为手机用户带来巨大的安全风险,严重危害网络安全。文章提出一种基于深度学习的Android恶意应用静态检测方法,通过反编译Android应用的APK文件获取应用的核心指令码,将指令码根据功能进行分类,剔除无用指令和操作数,处理成特征文本,借鉴基于卷积神经网络进行文本分类的方法,构建一个卷积神经网络进行分类。文章使用CICMalDroid 2020数据集进行实验,实验结果表明,文章设计的Android恶意应用静态检测方法的检测准确率较高,可以满足实际需求。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号