基于静态和动态特征相结合的隐私泄露检测方法

摘要：

大数据背景下 Android软件窃取用户个人信息的问题愈发严峻.针对现有隐私泄露检测方法中静态分析误报率较高和动态分析容易出现漏检的问题,提出了一种基于静态和动态特征相结合的隐私泄露检测方法.融合应用程序中提取的多维度静态特征和动态特征,使用梯度下降算法为 SVM,RF,XGBoost,LightGBM和CatBoost分配最优权重,通过集成学习加权投票来检测隐私泄露风险.对 2 951 个应用进行实验分析,结果表明该方法的精确率达到了 95.14%,明显优于仅使用单一特征和单一分类器,可以有效检测 Android应用的隐私泄露风险.

关键词：Android、隐私泄露、静态分析、动态分析、集成学习

所属期刊栏目：50

分类号：TP309(计算技术、计算机技术)

在线出版日期：2023-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：327-335