基于权限特征排序的Android恶意软件检测
密码学与安全
2022-01-24 v1 机器学习
摘要
我们研究利用Android权限作为手段，以实现对良性应用与恶意软件应用的快速有效区分。为此，我们提取所有Android权限，剔除无影响的权限，并应用卡方检验与费舍尔精确检验两种特征排序算法对权限进行排序并进一步过滤，得到一组相对较小的相关权限集。随后我们使用决策树、支持向量机与随机森林分类器算法来检测恶意软件应用。我们的分析表明，该方法可比其他已报道方法取得更高的准确率与F值。特别地，当以随机森林作为分类器并结合费舍尔精确检验时，在所考察数据集上我们取得了99.34%的准确率与92.17%的F值，假阳性率为0.56%；若仅考虑三大最流行恶意软件家族的恶意样本，结果提升至99.82%的准确率与95.28%的F值，假阳性率低至0.05%。
引用
@article{arxiv.2201.08468,
title = {Android Malware Detection using Feature Ranking of Permissions},
author = {Muhammad Suleman Saleem and Jelena Mišić and Vojislav B. Mišić},
journal= {arXiv preprint arXiv:2201.08468},
year = {2022}
}