基于深度自编码网络的Android恶意软件检测方法
针对传统Android恶意软件检测方法检测率低的问题,文中提出一种基于深度收缩降噪自编码网络(Deep Contractive Denoising Autoencoder Network,DCDAN)的Android恶意软件检测方法.首先,逆向分析APK文件获取文件中的权限、敏感API等7类信息,并将其作为特征属性;然后,将特征属性作为深度收缩降噪自编码网络的输入,使用贪婪算法自底向上逐层训练每个收缩降噪自编码网络(Contractive Denoising Autoencoder Network),将训练完成的深度收缩降噪自编码网络用于原始特征的信息抽取,以获取最优的低维表示;最后,使用反向传播算法对获取的低维表示进行训练和分类,实现对Android恶意软件的检测.对深度自编码网络的输入数据添加噪声,使得重构的数据具有更强的鲁棒性,同时加入雅克比矩阵作为惩罚项,增强了深度自编码网络的抗扰动能力.实验结果验证了该方法的可行性和高效性.与传统的检测方法相比,该检测方法有效地提高了对恶意软件检测的准确率并降低了误报率.
Android恶意软件、深度收缩降噪自编码网络、贪婪算法、反向传播算法、雅克比矩阵
47
TP309(计算技术、计算机技术)
贵州省科学基金黔科合 LH 字7634
2020-04-29(万方平台首次上网日期,不代表论文的发表时间)
共7页
298-304