首页|代码向量深度学习的恶意Android应用检测方法

代码向量深度学习的恶意Android应用检测方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
Code vector deep learning-based malicious Android application detection approach

李凡、易军凯

展开 >

北京信息科技大学 自动化学院,北京 100192

代码向量化 恶意应用检测 深度学习

国家自然科学基金资助项目

U1636208

2021

10.19734/j.issn.1001-3695.2019.09.0676

计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
年,卷(期)：2021.38(2)
  • 2
  • 2