基于改进决策树分类的Android恶意软件检测.PDFVIP

2017 年 软 件 2017,Vol. 38, No . 2 第 38 卷 第 2 期 COMPUTER ENGINEERING SOFTWARE 国际 IT 传媒品牌 基金项玛办文 基于改进决策树分类的Android恶意软件检测 鲍美英 ( 山西大同大学数学与计算机科 院，山西大同037009) 摘 要 ：针对目前Android手机恶意软件越来越多的问题，本文在现有研究的基础上，设计了一个Android恶意 软件检测框架。该框架通过提取Android应用程序的特征属性，结合Fisher Score 、信息增益和卡方检验三种特征选择 方法，对属性特征进行预处理，然后利用恶意检测模块中的改进决策树算法对软件进行分类。通过实验仿真，结果表 明使用该检测框架检测恶意软件具有较低的误报率和较高的精确度。 关键词：Android系统；恶意软件；检测；决策树 中图分类号：TP311 文献标识码：A DOI ： 10.3969/j .issn .1003-6970.2017.02.008 本文著录格式：鲍美英.基于改进决策树分类的Android恶意软件检测J ].软件，2017, 38 (2): 33-36 Android Malware Detection Based on Improved Decision Tree Classification BAO Mei-ying (School of Mathmatics and Computer Science, Shanxi Datong University, Datong Shanxi, 037009) 【Abstract 】：At present , the mobile phone for Android i facing more and more maliciou threat , thi paper design an Android malware detection framework. A maliciou detection framework i implemented which adopt Android appli ­ cation extraction feature , Fisher Score and information gain and chi-square test a the feature selection method . The attribute are pre proce ed , and then the improved decision tree algorithm i used to cla ify the software. The simula­ tion result show that the malware detection framework own lower false alarm rate and higher accuracy . Key words 】 ： Android system ; Maliciou software ; Detection ; Decision tree 0 引言 用程序接口），通过有向图解决恶意软件变种问题。 谢丽霞[8]提出了基于良性样本的检测模型，该模型 Android 系统是基于Linux 内核的开源系统[1]， 在客户端采集样本训练信息，在服务器端检测判断 是目前市场占有量最大的智能手机平台。对 Android 出恶意软件。 手机恶意软件[2]的检测研究是目前的热点问题。检 本文实现了基于改进决策树分类算法的Android 测的方法有多种：静态、动态和混合检测，刘伟[3]