基于贝叶斯分类的安卓恶意软件检测方法分析
密码学与安全
2016-08-23 v1 机器学习
摘要
随着智能手机在全球范围内的持续普及，移动恶意软件的规模和复杂性不断增长。安卓正迅速成为最流行的移动平台，导致针对该平台的恶意软件急剧增加。此外，安卓恶意软件正在快速演化，以逃避传统的基于签名的扫描检测。尽管目前已有检测措施，但及时发现新型恶意软件仍然是一个关键问题。这需要新颖的方法来缓解日益增长的零日安卓恶意软件威胁。因此，本文开发并分析了基于贝叶斯分类的主动机器学习方法，旨在通过静态分析发现未知的安卓恶意软件。该研究基于一个涵盖大多数现有家族的大型恶意软件样本集，展示了高准确率的检测能力。文中给出了实证结果和比较分析，为开发有效的、基于静态分析贝叶斯分类的未知安卓恶意软件检测方案提供了有益的见解。
引用
@article{arxiv.1608.05812,
title = {Analysis of Bayesian Classification based Approaches for Android Malware Detection},
author = {Suleiman Y. Yerima and Sakir Sezer and Gavin McWilliams},
journal= {arXiv preprint arXiv:1608.05812},
year = {2016}
}
备注
arXiv admin note: text overlap with arXiv:1608.00848