张超钦 胡光武 王振龙 刘新宇

1(国家数字交换系统工程技术研究中心 河南 郑州 450002)2(郑州轻工业学院计算机与通信工程学院 河南 郑州 450002)3(深圳信息职业技术学院计算机学院 广东 深圳 518172)4(清华大学深圳研究生院 广东 深圳 518055)5(深圳市金洲精工科技股份有限公司 广东 深圳 518055)

0 引 言

近年来，基于安卓操作系统(Android)的智能终端设备得到了极大普及，并成为大部分智能手机的操作系统。但由于Android平台的开放性，恶意软件的制造者可以轻易地开发出大量的恶意软件，给用户带来了很大的危害[1]。随着Android智能手机的用户数量不断增加及越来越多的Android应用(App)不断推出，检测和防范Android恶意软件的重要性日益突出[2]。

Android恶意软件的检测方法可以分为两大类：静态检测和动态检测。静态检测不需要实际运行程序，只需将程序源文件(APK)进行解压和反编译，然后提取相应的特征信息(如Permission、API等)、或者分析特征码，就可以识别恶意App。因此静态检测过程比较简单，检测速度较快，但缺点是只能检测现有已知恶意程序[8]。而动态检测是指在程序运行过程中跟踪程序的运行状态，通过分析程序的实际运行行为来检测恶意程序。包括跟踪内存进程运行状态、网络状态、文件操作、CPU使用情况、用户隐私数据的访问、系统调用等。因此，动态检测过程较为复杂，需要运行程序才能判断是否是恶意App，其效率较静态检测稍差，但可以检测未知的恶意软件。基于机器学习的动态检测方法的成功取决于：(1) 收集信息的有用性和充分性；……