设计应用

基于特征生成方法的Android恶意软件检测方法

作者：冯 垚，王金双，张雪涛
发布日期：2020-11-17
来源：2020年信息技术与网络安全第11期

0 引言

    机器学习在Android恶意软件检测中得到广泛应用，特征工程是基于机器学习的Android恶意软件检测的关键环节。目前使用的特征主要包括静态特征和动态特征。但特征工程的过程严重依赖于专家经验，反复试验调优才能确定候选特征集合。

    针对传统特征工程需要大量专家经验和人力的不足，本文提出了基于特征生成方法的Android恶意软件检测方法。该方法提取了多类特征，基于UC Berkeley的ExploreKit[1]方法进行自动化特征生成计算，筛选得到能够提升模型性能的新特征，得到了良好的检测性能。




本文详细内容请下载：http://www.chinaaet.com/resource/share/2000003054




作者信息：

冯  垚，王金双，张雪涛

(陆军工程大学 指挥控制工程学院，江苏 南京210001)

此内容为AET网站原创，未经授权禁止转载。
恶意软件检测 特征工程 特征生成 ExploreKit

Copyright © 2005-2024 华北计算机系统工程研究所版权所有 京ICP备10017138号-2

Baidu
map