-
题名代码向量深度学习的恶意Android应用检测方法
被引量：2
- 1
-
-
作者
李凡
易军凯
-
机构
北京信息科技大学自动化学院
-
出处
《计算机应用研究》
CSCD
北大核心
2021年第2期549-552,558,共5页
-
基金
国家自然科学基金资助项目(U1636208)。
-
文摘
目前针对恶意Android应用的静态检测方法大多基于对病毒哈希值的分析与匹配,无法迅速检测出新型恶意Android应用及其变种,为了降低现有静态检测的漏报率,提高对新型恶意应用的检测速度,提出一种通过深度网络融合模型实现的恶意Android应用检测方法。首先提取反编译得到的Android应用核心代码中的静态特征,随后进行代码向量化处理,最后使用深度学习网络进行分类判别。该方法实现了对恶意应用高准确度的识别,经过与现存方法的对比分析,验证了该方法在恶意代码检测中的优越性。
-
关键词
代码向量化
恶意应用检测
深度学习
-
Keywords
code vectorization
malicious application detection
deep learning
-
分类号
TP393.04
[自动化与计算机技术—计算机应用技术]
-
