一种基于随机森林的Android恶意软件静态检测方法

摘要

本发明涉及一种基于随机森林的Android恶意软件静态检测方法，属于网络安全技术领域。该方法构建由权限、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机器学习中的随机森林算法的Android恶意软件的训练模型和预测模型，然后通过样本计算以及利用十折交叉验证法验证了该模型的有效性，本发明所提出模型的预测准确率可以达到89.91％。本发明的显著优点：1)通过简单和快速的静态分析方法获取每个Android应用程序所涉及的主要特征，并且不需要涉及到任何动态跟踪，具备低成本高效率的特点；2)所使用的四组特征向量，包括权限、监听的系统事件、敏感API以及权限率是每个Android应用程序均可轻易捕获的，在Android平台上容易被推广。