基于多维度特征的Android恶意软件检测方法

摘　要：

随着Android操作系统的不断普及与快速发展，Android恶意软件与检测工具之间的对抗也愈发激烈。如何高效、准确地识别Android恶意软件对用户的隐私保护及设备安全至关重要。针对以往文献的不足，提出了一种基于多维度特征的Android恶意软件检测方案。该方案通过对Android应用软件包进行反编译，提取应用的权限、网络证书、代码混淆等多种特征进行融合，并使用随机森林模型和支持向量机模型进行训练。实验结果表明，与单纯依赖权限与API特征的传统方法相比，该方案对恶意软件测试集的检测率可提升高达19.4%。

内容目录：

1　基本原理

1.1　代码混淆在Android恶意软件检测中的使用

1.1.1　标识符重命名

1.1.2　字符串加密

1.1.3　Java反射

1.2　Android恶意代码检测系统的设计与实现

1.2.1　权限特征选择及获取

1.2.2　证书特征选择及获取

1.2.3　敏感API调用特征选择及获取

1.2.4　程序混淆信息选择及获取

1.2.5　分类算法

2　分析与讨论

３　结　语

０引　言

Android操作系统是使用人数最多的移动操作系统。统计信息显示，截至2020年12月，Google Play共有超过350万款应用可供下载，每月平均下载人次超过500万。然而，广阔的使用场景也为恶意软件发展提供了温床。另有统计显示，2020年1—3月间，共发现Android恶意软件超过48万款，其中木马为最主要的类型。种种数据都表明，恶意软件检测是一个重要的亟待解决的问题，然而随着时间的推移࿰