基于集成学习投票算法的Android恶意应用检测

摘要

针对Android平台恶意应用的检测技术,提出一种基于集成学习投票算法的Android恶意程序检测方法MASV(Soft-Voting Algorithm),以有效地对未知应用程序进行分类.从已知开源的数据集中获取了实验的基础数据,使用的应用程序集包含213256个良性应用程序以及18363个恶意应用程序.使用SVM-RFE特征选择算法对特征进行降维.使用多个分类器的集合,即SVM(Support Vector Machine)、K-NN(K-Nearest Neighbor)、NB(Na?ve Bayes)、CART(Classification and Regression Tree)和RF(Random Forest),以检测恶意应用程序和良性应用程序.使用梯度上升算法确定集成学习软投票的基分类器权重参数.实验结果表明,该方法在恶意应用程序检测中达到了99.27％的准确率.