基于分组分类方法提升 Android 恶意应用检测准确率

在快速增长的智能设备中，Android 是最流行的操作系统，并且由于其吸引人的特性、移动性、易用性，这些设备持有敏感信息，如个人数据、浏览历史、购物历史、财务细节等。因此，这些设备中的任何安全漏洞都意味着存储或访问智能设备的信息面临被恶意软件入侵的高风险。这些恶意软件持续增长，并被用于军事间谍活动、破坏工业、电网等。为检测这些恶意软件，传统签名匹配技术被广泛使用。然而，此类策略无法检测高级 Android 恶意应用，因为恶意软件开发者使用了多种混淆技术。因此，研究人员持续致力于解决基于 Android 的智能设备中的安全问题。因此，在本文中，利用 Drebin 基准恶意软件数据集，我们通过实验演示了如何在基于权限对收集的数据进行分组后分析应用，从而将检测准确率提升至 97.15% 的总体平均准确率。我们的结果优于未分组数据（79.27%，2017）、Arp 等人（94%，2014）、Annamalai 等人（84.29%，2016）、Bahman Rashidi 等人（82%，2017）以及 Ali Feizollah 等人（95.5%，2017）所获得的准确率。分析还表明，在各组中，麦克风组的检测准确率最低，而日历组应用检测准确率最高，且为获得最佳性能，应取 80-100 个特征。