[發明專利]一種基于CFSFDP聚類的Android平臺入侵檢測方法

有效

• 申請號: 201810303607.5
• 申請日: 2018-04-08
• 公開（公告）號: CN108520178B
• 公開（公告）日: 2020-06-16
• 發明（設計）人: 任維武;底曉強;鄭方林;張劍飛;畢琳
• 申請（專利權）人: 長春理工大學
• 主分類號: G06F21/56
• 分類號: G06F21/56
• 代理公司: 長春眾邦菁華知識產權代理有限公司 22214
• 代理人: 王丹陽

1.基于CFSFDP聚類的Android平臺入侵檢測方法，其特征是，該方法由以下步驟實現：

步驟一、收集和抓取Android平臺的靜態特征和動態特征；

步驟二、對靜態數據和動態特征數據進行歸一化和離散化，獲取正常行為特征數據，并且對正常行為特征數據進行標定；

步驟三、采用CFSFDP算法對特征數據進行聚類，生成輪廓；

生成輪廓的具體步驟為：

步驟三一、計算輪廓中心點選擇因子γ_i，γ_i的定義如下：

式中，ρ_i是第i個點局部密度，表示i點截斷距離內的點的個數，δ_i為距離，若i是最大局部密度點，則δ_i是i點到最遠點的距離，若i不是最大密度聚類點，則δ_i是i點最近點的距離，θ是輪廓中心點選擇系數，默認值為1；

步驟三二、生成輪廓中心點序列CPList：選擇跳躍前的中心點作為輪廓中心點；設跳躍度JD，當跳躍度為1時，則當前中心點作為輪廓中心點，跳躍度JD的計算方式為：

JD＝Sgn(γ_i-γ_i-1-κ)

其中Sgn為單位階躍函數，κ為階躍因子；

步驟三三、選擇輪廓中心點序列CPList中最大中心點CP_max，計算最大中心點CP_max類內所有點的密度，生成類內密度序列ICList；

設定ICList:表示某個類中一個密度降序排列下標序，即它滿足

步驟三四、選擇類內密度序列ICList中的最小密度特征點IC_min，并存到輪廓中，生成特征點鄰域距離序列FDList，

設定特征點鄰域距離序列FDList:表示特征點間距離一個降序排列下標序，即它滿足

步驟三五、標注特征點鄰域距離序列FDlist中小于截斷距離的所有點，并在輪廓中心點序列CPList中刪除；

步驟三六、標注特征點鄰域距離序列FDlist中大于截斷距離的所有點，并在輪廓中心點序列CPList中保留；

步驟三七、從類內密度序列IClist中刪除最小密度特征點IC_min，若類內密度序列IClist為空，則執行步驟三八，否則執行步驟三四；

步驟三八、從輪廓中心點序列CPlist中刪除最大中心點CP_max，若輪廓中心點序列CPlist為空，則生成行為輪廓，否則執行步驟三三；

步驟四、對步驟三生成的行為輪廓，進行異常檢測，

判斷當前點是否在輪廓中某點的截斷距離內，如果在輪廓中，則認為是正常行為，否則為異常行為，異常行為實時推送報警，并將其當前特征狀態信息反饋給用戶。

2.根據權利要求1所述的基于CFSFDP聚類的Android平臺入侵檢測方法，其特征在于，步驟三一中，ρ_i的計算公式為：

式中，為待聚類數據集，I_S＝{1,2,...,N}為相應的指標集，d_c0為截斷距離，若d_ij≤d_c，則在截斷鄰域內，若d_ij＞d_c，則在截斷鄰域外；d_ij為任意兩個點之間的距離，計算公式為：

式中，n表示點的維數或者屬性數，X_in表示第i個點的第n維值；

設表示的一個降序排列下標序，即它滿足

ρ_q1≥ρ_q2≥...≥ρ_qN

δ_i計算的公式采用的表述形式為：