基于改进朴素贝叶斯算法的Android恶意软件检测

摘要

现在基于Android平台的智能手机占了整个智能手机市场的大部分份额，Android平台上的恶意软件数量呈现出逐年增长趋势，Android恶意软件的研究也成为了移动安全的研究热点。将机器学习技术应用到Android恶意软件检测当中已经很常见了，其中运用朴素贝叶斯分类算法对Android恶意软件检测比较多，但在现有的基于朴素贝叶斯分类算法Android恶意软件研究当中，并没有考虑到朴素贝叶斯分类算法的不足，其不足有特征属性之间相互独立的假设性条件以及每个特征属性的权重值都视为一样，从而影响了Android恶意软件的检测性能。
　　本文针对以上朴素贝叶斯分类算法的Android恶意软件检测不足，提出了以下两点改进，其改进第一点是提取出适合朴素贝叶斯分类算法的预处理特征集，特征集是由Android应用程序配置文件中的权限标签和Android应用程序源代码中的敏感API组合而成，并利用信息增益和卡方检验组合算法进行数据预处理。其改进第二点是对特征属性进行加权系数，以此来提高朴素贝叶斯分类算法对Android恶意软件的检测性能。由于每一个特征属性对分类的贡献是不一样的，所以提出加权系数，将每个特征属性的权重系数都考虑进来，其中权重系数的求解是利用信息增益计算得来的。同时本文设计了基于改进朴素贝叶斯分类算法的Android恶意软件检测框架，通过该检测框架检验了以上的改进方法，实验分析得出，基于改进朴素贝叶斯分类算法的Android恶意软件检测的方法能够有效的提高恶意软件的检测率以及降低误报率。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1研究背景及意义

1.2 国内外研究现状

1.3 研究内容

1.4 论文结构及其安排

第二章 Android相关技术

2.1 Android 平台体系结构

2.2 Android 应用程序分析

2.3 Android安全机制

2.4 Android 常见恶意行为

2.5本章小结

第三章 基于信息增益和卡方检验预处理的组合特征集

3.1 权限特征和敏感API特征分析与提取

3.2信息增益和卡方检验组合数据预处理算法

3.3本章小结

第四章 基于加权朴素贝叶斯算法的Android恶意软件检测

4.1基于属性加权朴素贝叶斯分类模型算法

4.2基于加权朴素贝叶斯算法的Android 恶意软件检测

4.3本章小结

第五章 Android恶意软件检测框架实现

5.1检测框架的设计

5.2特征提取模块

5.3数据预处理模块

5.4实验工具介绍

5.5实验方案设计

5.6实验结果分析

5.7本章小结

第六章 总结与展望

6.1本文工作总结

6.2未来工作展望

参考文献

附录1 本文作者申请的专利

致谢