一种基于贝叶斯分类的新型 Android 恶意软件检测方法
密码学与安全
2016-08-03 v1 机器学习
摘要
随着智能手机使用量的持续上升，移动恶意软件的规模和复杂性也在不断增长。Android 已超过其他移动平台成为最流行的平台，同时也见证了针对该平台的恶意软件急剧增加。一个令人担忧的新兴趋势是 Android 恶意软件日益复杂，能够逃避传统基于签名的扫描器的检测。因此，Android 应用市场仍然面临托管恶意应用的风险，这些应用可能在被毫无戒心的用户下载之前逃避检测。为此，我们在本文中提出了一种有效的方法来缓解这一问题，该方法基于从静态代码分析获得的贝叶斯分类模型。这些模型构建自一系列代码和应用特征，能够提供潜在恶意活动的指标。我们使用现实世界中的真实恶意软件样本对这些模型进行了评估，并展示了实验结果以证明所提方法的有效性。
引用
@article{arxiv.1608.00848,
title = {A New Android Malware Detection Approach Using Bayesian Classification},
author = {Suleiman Y. Yerima and Sakir Sezer and Gavin McWilliams and Igor Muttik},
journal= {arXiv preprint arXiv:1608.00848},
year = {2016}
}
备注
IEEE 27th International Conference on Advanced Information Networking and Applications (AINA 2013),pp.121-128, 25-28 March 2013