[發明專利]一種基于SVM決策樹的惡意安卓軟件檢測方法

有效

• 申請號: 201911049097.4
• 申請日: 2019-10-31
• 公開（公告）號: CN110795736B
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 楊敏;陳興蜀;羅永剛
• 申請（專利權）人: 四川大學
• 主分類號: G06F21/56
• 分類號: G06F21/56;G06K9/62
• 代理公司: 成都禾創知家知識產權代理有限公司 51284
• 代理人: 裴娟

1.一種基于SVM決策樹的惡意安卓軟件檢測方法，其特征在于，包括以下步驟：

(1)收集樣本，樣本是由正負兩類樣本構成，分別對兩類樣本進行標記，其中正負兩類樣本都按照一定比例分為訓練集TrainSet＝[]和測試集TestSet＝[]兩部分，之后對每個樣本apk進行OpCode提??；

(2)對提取的OpCode指令進行精簡分類，并輸入到N-Gram模型中，生成樣本的特征向量；

(3)根據訓練樣本集，使用基尼指數進行特征選擇并進行預剪枝，構造決策樹T；

(4)使用測試集對決策樹進行效果評估，并計算每條決策路徑的準確率，構成決策對象，并設置決策路徑準確率閾值Th；

(5)初始化隊列Q＝{}，對步驟(4)中生成的決策對象按照決策路徑的路徑深度進行降序排列，并依次添加到隊列中；

(6)判斷隊列是否為空，如果為空則算法結束，否則轉至第(7)步；

(7)從隊列中取出元素，將決策路徑準確率與閾值進行比較，若小于閾值則轉至第(8)步，否則保留決策路徑，并轉至第(6)步；

(8)判斷(7)中取出元素的兄弟節點是否為葉子節點；如果是，則轉向第(9)步，否則轉向第(10)步；

(9)判斷(7)中取出元素的兄弟節點所在路徑的準確率是否低于閾值Th，如果是，則將經過兩條決策路徑的所有樣本取出作為訓練集，使用SVM模型訓練，并合并更新為SVM節點，之后轉向第(6)步；

(10)將該路徑的所有訓練集取出使用SVM模型訓練，并更新為SVM節點，之后轉向第(6)繼續遍歷更新節點，最終得到SVM決策樹；

(11)根據得到的SVM決策樹對安卓軟件進行是否為惡意應用的檢測。