安卓恶意软件的计算机免疫检测模型-计算机应用与软件.PDFVIP

第３４卷第１２期　　　 计算机应用与软件 Ｖｏｌ３４Ｎｏ．１２ ２０１７年１２月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｄｅｃ．２０１７ 安卓恶意软件的计算机免疫检测模型 王新新　谭成予　梁意文 （武汉大学计算机学院　湖北武汉４３００７２） 摘　要　　安卓系统因其开放性的特点导致恶意软件泛滥，现有方法多考虑静态或动态单方面特征，判别算法多 依赖于学习样本，且准确率有一定的限制。为解决上述问题，提出结合安卓软件的静态权限特征与动态行为特征 的计算机免疫恶意软件检测模型。结合静态权限特征与动态行为特征，构建安卓软件的特征体系，经预处理后映 射为树突状细胞算法ＤＣＡ（ＤｅｎｄｒｉｔｉｃＣｅｌｌＡｌｇｏｒｉｔｈｍ）的各类信号，使用无需样本学习的轻量级算法ＤＣＡ进行恶意 软件检测。实验证明该模型可以有效检测恶意软件。 关键词　　安卓恶意软件　静态特征　动态特征　ＤＣＡ 中图分类号　ＴＰ３０１．６　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１７．１２．０５８ ＴＨＥＡＮＤＲＯＩＤＭＡＬＷＡＲＥＤＥＴＥＣＴＩＯＮＭＯＤＥＬＢＡＳＥＤＯＮＣＯＭＰＵＴＥＲＩＭＭＵＮＥ ＷａｎｇＸｉｎｘｉｎ　ＴａｎＣｈｅｎｇｙｕ　ＬｉａｎｇＹｉｗｅｎ （ＣｏｍｐｕｔｅｒＳｃｈｏｏｌ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ４３００７２，Ｈｕｂｅｉ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ａｎｄｒｏｉｄｍａｌｗａｒｅｆｌｏｏｄｉｎｇｉｓｂａｓｅｄｏｎｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｉｔｓｏｐｅｎｎｅｓｓ，ｅｘｉｓｔｉｎｇｓｏｌｕｔｉｏｎｓａｒｅｂａｓｅｄｏｎ ｓｔａｔｉｃｏｒｄｙｎａｍｉｃｕｎｉｌａｔｅｒａｌｆｅａｔｕｒｅｓ，ｄｉｓｃｒｉｍｉｎａｎｔａｌｇｏｒｉｔｈｍｄｅｐｅｎｄｓｍｏｒｅｏｎｌｅａｒｎｉｎｇｓａｍｐｌｅｓ，ａｎｄｔｈｅａｃｃｕｒａｃｙｒａｔｅ ｈａｓｓｏｍｅｒｅｓｔｒｉｃｔｉｏｎｓ．Ｉｎｏｒｄｅｒｔｏｓｏｌｖｅｔｈｅｓｅｐｒｏｂｌｅｍｓ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｃｏｍｐｕｔｅｒｉｍｍｕｎｅｍａｌｗａｒｅｄｅｔｅｃｔｉｏｎｍｏｄｅｌ ｗｈｉｃｈｃｏｍｂｉｎｅｓｔｈｅｓｔａｔｉｃｐｒｉｖｉｌｅｇｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓａｎｄｄｙｎａｍｉｃｂｅｈａｖｉｏｒｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆＡｎｄｒｏｉｄｓｏｆｔｗａｒｅ．Ｃｏｍｂｉｎｉｎｇ ｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｓｔａｔｉｃｐｒｉｖｉｌｅｇｅａｎｄｄｙｎａｍｉｃｂｅｈａｖｉｏｒ，ｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｙｓｔｅｍｏｆＡｎｄｒｏｉｄｓｏｆｔｗａｒｅｗａｓ ｃｏｎｓｔｒｕｃｔｅｄ．Ａｆｔｅｒｐｒｅｔｒｅａｔｍｅｎｔ，ｉｔｗａｓｍａｐｐｅｄｔｏＤＣＡ．Ｔｈｅｓｏｆｔｗａｒｅｗａｓｄｅｔｅｃｔｅｄｂｙｕｓｉｎｇｔｈｅｌｉｇｈｔｗｅｉｇｈｔａｌｇｏｒｉｔｈｍ ＤＣＡｗｉｔｈｏｕｔｓａｍｐｌｅｌｅａｒｎｉｎｇ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔｐｒｏｖｅｄｔｈａｔｔｈｅｍｏｄｅｌｃｏｕｌｄｅｆｆｅｃｔｉｖｅｌｙｄｅｔｅｃｔｍａｌｉｃｉｏｕｓｓｏｆｔｗａｒｅ． Ｋｅｙｗｏｒｄｓ　　Ａｎｄｒｏｉｄｍａｌｗａｒｅ　Ｐｅｒｍｉｓｓｉｏｎｓｃｈａｒａｃｔｅｒｉｓｔｉｃ　Ｄｙｎａｍｉｃｂｅｈａｖｉｏｒｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　Ｄｅｎｄｒｉｔｉｃｃｅｌｌａｌｇｏ ｒｉｔｈｍ 根据所使用的特征不同，可以将检测算法静态检 ０　引　言 测和动态检测两类［３］。特征抽取方面，静态检测方法 多选择安卓软件权限、系统调用敏感函数、ＡＰＫ中相 根据试产研究机构发布的《智能操作系统市场调 关组件使用统计数据等特征；动态检测中，多将软件置 研报告》的相关统计，２０１５年国内智能机市场Ａｎｄｒｏｉｄ 于沙箱中进行运行监控，获取软件动态行为，例如系统 份额达到８１．３６％［１］，市场