苗发彪　王晴

[摘要]随着Android系统的流行与普及，Android软件的种类和数目激增，但是其中存在着不少窃取用户隐私、恶意扣费的软件。因此，Android恶意软件的检测技术一直是人们关注和研究的热点。论文在介绍支持向量机以及Android恶意软件检测后，将二者有效地结合，构建由权限、监听的系统事件、敏感API以及权限率组成的特征向量，并且建立了基于支持向量机的Android恶意软件静态检测模型。最后，论文通过模型的测试验证了该方法的有效性。

[关键词]Android；恶意软件；支持向量机；静态检测

1 引言

Android恶意软件由于直接危害人们的日常生活，所以一直是工业界和学术界的研究热点。Android恶意软件的检测技术大致分为动态检测技术和静态检测技术。动态检测技术将软件运行在一个模拟的封闭环境，通过共享库注入和hook技术获取软件运行时调用的函数，从而进行行为分析。其正确率高，但是检测过程相对复杂，消耗资源较多，而且在自动化测试软件时很难激活所有的软件的行为。静态检测技术是在不运行软件的前提下，对给定软件所申请的权限以及反编译得到的Dalvik字节码的语法和语义进行分析。其正确率同样较高，速度快，自动化程度高。但是静态检测技术对未知软件进行检测时准确率较低，即恶意软件特征的普适性较差。

2 Android恶意软件检测与支持向量机

Android恶意软件本质是一个分类问题，而机器学习来解决分类问题是当前社会的热点。用机器学习来实现Android恶意软件的检测，需要将Android软件抽象为一个特征向量，选取合适的算法和训练数据建立模型，进而对未知的软件进行恶意检测。……