(19)中华人民共和国国家知识产权局
(12)发明专利说明书 | ||
(10)申请公布号 CN 104123500 A (43)申请公布日 2014.10.29 | ||
(21)申请号 CN201410356930.0
(22)申请日 2014.07.22
(71)申请人 卢永强;袁振龙
地址 610065 四川省成都市四川大学望江校区电子信息学院
(72)发明人 卢永强 袁振龙
(74)专利代理机构
代理人
(51)Int.CI
G06F21/56
权利要求说明书 说明书 幅图 |
(54)发明名称
一种基于深度学习的Android平台恶意应用检测方法及装置 | |
(57)摘要
本发明公开了基于深度学习的Android恶意应用检测方法及装置。该方法包括：步骤1，Android应用原始安装文件特征提取；步骤2，Android应用安装运行特征提取；步骤3，Android应用深度学习模型建立；步骤4，Android的正常应用与恶意应用识别。 | |
法律状态
法律状态公告日 | 法律状态信息 | 法律状态 |
权 利 要 求 说 明 书
1.一种基于深度学习的Android平台恶意应用检测方法及装置，其特征 在于，包括：
步骤1，Android应用原始安装文件特征提取；
步骤2，Android应用安装运行特征提取；
步骤3，Android应用深度学习模型建立；
步骤4，Android的正常应用与恶意应用识别。
2.如权利要求1所述的方法，其特征在于，所述步骤1具体包括如下处 理：
步骤11，解压缩Android应用的原始安装文件，获取应用安装文件包含的 若干代码文件；
步骤12，解析上述步骤获取的代码文件，获取Android应用的权限使用和 API接口函数清单；
步骤13，搜索上述清单中的敏感权限使用和敏感API接口函数，提取多 维特征组合。
3.如权利要求1所述的方法，其特征在于，所述步骤2具体包括如下处 理：
步骤21，在沙盒中安装执行Android应用，并持续运行一段时间；
步骤22，扫描沙盒运行过程中生成的系统日志，获取Android应用运行中 的行为信息；
步骤23；搜索上述获取的行为信息中的敏感行为，提取多维特征组合。
4.如权利要求1所述的方法，其特征在于，所述步骤3具体包括如下处 理：
步骤31，通过获取的特征，生成Android应用的特征样本集合；
步骤32，通过上述获取的特征样本集合，训练Android应用分类的深度学 习模型并保存。
5.如权利要求4所述的方法，其特征在于，步骤32具体包括如下处理：
步骤321，无监督的Android应用深度学习模型的预训练过程；
步骤322，有监督的Android应用深度学习模型的微调过程。
6.如权利要求5所述的方法，其特征在于，所述步骤321具体包括如下 处理：
步骤3211，Android应用深度学习模型的深度置信网络(DBN)参数初始 化；
步骤3212，将Android应用深度学习模型的受限玻尔兹曼机(RBM)参数 初始化；
步骤3213，训练Android应用深度学习模型的RBM；
步骤3214，评估Android应用深度学习模型的RBM；
步骤3215，通过上述训练后的结果，重新更新Android应用深度学习模型 中RBM的配置参数；
步骤3216，循环执行步骤3212至3215，直至Android应用深度学习模型 的RBM满足条件或训练周期结束；
android11系统更新包下载步骤3217，循环执行步骤3212至3216，直至完成包含多层RBM的Android 应用深度学习模型的DBN训练。
7.如权利要求5所述的方法，其特征在于，所述步骤322进一步包括：
通过已采集的标记好正常应用和恶意应用的Android应用特征集合，采用 反向传播算法微调步骤321训练完成的Android应用深度学习模型，直到满足条 件或达到微调周期。
8.如权利要求1所述的方法，其特征在于，所述步骤4进一步包括：
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论