APP下载

结合资源特征的Android恶意应用检测方法

2018-08-01刘楚舒王伟平刘鹏飞

计算机工程与应用 2018年15期
关键词:界面特征检测

刘楚舒,王伟平,刘鹏飞

中南大学 信息科学与工程学院,长沙 410083

1 引言

Android是目前最为流行的移动设备操作系统,这种流行性也为恶意应用的滋生提供了土壤。安全公司McAfee的数据[1]反映,中国每小时有超过6 000个恶意应用被检测出来,为全世界数量之首。因此,Android恶意应用的检测是目前安全领域研究中的重点。

目前,研究者针对Android恶意应用的检测提出了多种方法。其中,比较有代表性的是针对代码的静态分析方法,它的一般做法是提取程序代码特征,并基于正常应用和恶意应用在代码特征上的差异性对恶意应用进行识别。但目前静态分析普遍存在的问题是特征选取不够全面,导致检测方法只能针对特定的数据集才有效。

本文针对相关研究没有考虑的图片及界面元素两类资源特征进行了分析,发现应用图片和界面元素的数目在正常应用和恶意应用中有明显的差异性,继而提出了一种结合上述特征的Android恶意应用检测方法——MalAssassin,并验证了结合资源特征的检测方法在提高了识别准确性的同时,对不同数据集都具有较好的适应性。

2 相关工作

静态分析方法首先对APK解压,然后从解压后得到的文件中提取特征,通过提取特征对应用的恶意性进行判定。

Drebin[2]提取了应用的8类特征,分别是硬件申请、权限申请[3]、实际使用的权限、组件名称、Intent-filter、敏感API、可疑API以及硬编码IP地址,随后使用SVM[4]分类器对应用的恶意性进行判定。Wu等人的方法[5]提取了在不同组件中出现的与隐私数据相关的API[6]作为特征,并使用KNNE、KNNM、逻辑回归、贝叶斯网络4种分类器算法对恶意应用进行检测。……

登录APP查看全文

猜你喜欢

界面特征检测
国企党委前置研究的“四个界面”
如何表达“特征”
不忠诚的四个特征
基于FANUC PICTURE的虚拟轴坐标显示界面开发方法研究
人机交互界面发展趋势研究
小波变换在PCB缺陷检测中的应用
手机界面中图形符号的发展趋向
线性代数的应用特征