一种基于异构图学习的安卓恶意软件检测系统和方法

摘要

本发明提出一种基于异构图学习的安卓恶意软件检测系统及方法，打破传统基于签名机制和静态特征的恶意软件检测方法，其基本思想是：恶意软件内部的函数调用序列和连接结构有别于正常软件的函数调用与连接结构，本发明将每个待检测安卓软件的内部函数调用关系构建成一个异构图，然后通过引入不同的元路径来探究不同函数调用之间的高阶语义关系，利用标准的多核学习算法来衡量不同元路径对于恶意软件检测的重要性，并将学习到的加权函数调用交互矩阵输入到支持向量机来训练一个自动化模型实现检测。本发明可以有效探究恶意软件内部的函数调用关系，通过学习恶意软件的函数调用模式来极大地提高恶意软件检测的准确率，可以满足高效实时的检测需求。