一种高效的基于旋转森林的Android恶意软件检测模型DroidDet

摘要

本发明公开了一种高效的基于旋转森林的Android恶意软件静态检测模型DroidDet，属于信息安全技术领域。本发明通过使用反编译工具对Android应用程序中的Apk文件进行反编译，并分析和提取四组特征的组合作为构建旋转森林分类器模型的输入。本发明的优点：1)本发明首次采用集成学习方法‑旋转森林算法，另外通过采用PCA主成分分析和自助采样法并使用全部训练集来训练每一个基学习器，因此本发明所创建的模型具备显著优越的泛化性能；2)旋转森林算法具备选择“最优特征”的特点，避免噪音数据。通过十折交叉验证法验证本发明所创建模型的有效性，本发明所提出模型的预测准确率达到88.26％，比典型的支持向量机SVM分类器的84.93％的准确率高了3.13％。本发明在用户信息安全领域有着广阔的应用前景。