[發明專利]基于貝葉斯網絡的Android惡意行為檢測方法

有效

• 申請號: 201610130821.6
• 申請日: 2016-03-09
• 公開（公告）號: CN105740712B
• 公開（公告）日: 2018-07-24
• 發明（設計）人: 張國印;曲家興;王玲;李曉光;夏松竹
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06F21/56
• 分類號: G06F21/56
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于貝葉斯網絡的Android惡意行為檢測方法，其特征在于：包括以下步驟：

步驟一：對Android應用訓練樣本進行靜態特征提取；

步驟二：對步驟一中提取的特征進行特征預處理，采用卡方統計的特征選擇方法，計算特征和類別之間的關聯程度；

步驟三：構建基于貝葉斯網絡分類算法的Android軟件惡意行為檢測模型；根據樣本獲取特征的先驗概率，利用改進的關聯規則算法MApriori挖掘特征之間的依賴關系；關聯規則算法MApriori為，首先計算特征集合的頻繁二項集，然后利用頻繁二項集獲得兩個特征之間的關聯規則；

步驟四：學習貝葉斯網絡分類器的模型，基于MApriori算法的貝葉斯網絡學習主要分為兩個階段：結構學習和參數學習；

步驟五：結構學習，首先根據MApriori算法獲得了特征之間存在依賴關系的邊的集合，通過最好局部優先搜索的策略，進行貝葉斯網絡結構的學習；

步驟六：參數學習，利用最小描述長度全局打分函數，進行網絡結構的學習；

步驟七：將待測Android應用提取的特征輸入到訓練好的貝葉斯網絡病毒檢測模型中，計算出所屬類別的后驗概率；

步驟八：步驟七中得到兩個數據，分別為待測Android應用提取的特征屬于病毒類和正常類的后驗概率，通過比較選擇后驗概率大的類別作為該應用的分類結果。

2.根據權利要求1所述的基于貝葉斯網絡的Android惡意行為檢測方法，其特征在于：所述的靜態特征提取是指：將apktool作為反編譯工具，提取應用申請權限的信息、應用層API調用的信息、組件聲明的信息以及應用的字符串信息，特征提取模塊使用的編程語言是python。

3.根據權利要求1所述的基于貝葉斯網絡的Android惡意行為檢測方法，其特征在于：所述的貝葉斯網絡分類器的模型構建方法為：

1)構造圖G(V，E)，V＝Ω，

2)在R選擇一條有向弧且滿足：①在圖中不產生回路；②在R的所有有向邊中使得MDL得最小的打分，將從R中刪除，打分值存在變量S中；

3)重復步驟2，直到R為或者打分值S已為最小值；

其中V表示頻繁一項集的集合，并將其初始化為所有頻繁一項集的集合，E為邊的集合，并初始化為空集，R為MApriori算法獲得的規則的集合。