[發明專利]一種基于概率本體的安卓軟件風險評估方法

有效

• 申請號: 201911182465.2
• 申請日: 2019-11-27
• 公開（公告）號: CN110968865B
• 公開（公告）日: 2022-03-11
• 發明（設計）人: 張紅梅;鐘楠;榮東晨;張向利;李致賢
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G06F21/55
• 分類號: G06F21/55;G06F21/56;G06N7/00
• 代理公司: 北京中濟緯天專利代理有限公司 11429
• 代理人: 石燕妮

1.一種基于概率本體的安卓軟件風險評估方法，其特征在于，包括：

利用層次分析法構建風險評估模型；

通過三角模糊函數描述風險等級與權限支持度的對應關系；

提取所述風險評估模型的風險節點、節點權重和層次關系，構建本體模型；

解析所述本體模型，并導入netica生成貝葉斯網絡概率模型；

動態添加證據信息，完善所述貝葉斯網絡概率模型得到app綜合風險概率分布；

所述利用層次分析法構建風險評估模型，包括：

設定相鄰兩層中的上層為目標層，下層為因素層，統計各類app中的惡意權限樣本和良性權限樣本，將區分良性與惡性app的權限選取為風險權限節點，通過AHP比例標度表，將同一層的兩兩因素針對目標層的影響程度的比較結果作為新元素構造判斷矩陣，求出其特征向量與特征值，得出各因素節點權重，構建多層風險評估模型；

提取所述風險評估模型的風險節點、節點權重和層次關系，構建本體模型，包括：

提取所述風險評估模型的風險節點、節點權重和層次關系，將所述風險評估模型抽象成體系類、特征類和樣本類，并利用本體構建軟件構建本體模型層次結構，設置屬性名、定義域和值域來定義對象屬性和數據屬性，確定所述體系類、所述特征類和所述樣本類之間的關系約束，向概率本體模型中導入實例，根據所述對象屬性和所述數據屬性，完成實例的關聯，完善本體模型，并給出對應的owl編碼；

解析所述本體模型，并導入netica生成貝葉斯網絡概率模型，包括：

利用Jena解析所述本體模型，將所述風險評估模型中的所述風險節點抽象成貝葉斯網絡節點，定義變量類來表示每個所述貝葉斯網絡節點，并進行概率擴展，將每個所述貝葉斯網絡節點用有向線段相互連接，構成有向無環圖，利用貝葉斯網絡條件概率表，描述節點當前狀態下的概率與節點之間的相關關系；

動態添加證據信息，完善所述貝葉斯網絡概率模型得到app綜合風險概率分布，包括：

在所述貝葉斯網絡概率模型中設置證據節點，動態獲取證據信息，通過設置的所述證據節點，輸入所述貝葉斯網絡概率模型，完善所述貝葉斯網絡概率模型，并利用netica進行風險推理，逐層計算待評估節點的風險等級概率分布，最終得到app綜合風險等級概率分布，完成風險等級評估。

2.如權利要求1所述的一種基于概率本體的安卓軟件風險評估方法，其特征在于，所述通過三角模糊函數描述風險等級與權限支持度的對應關系，包括：

采用三角模糊隸屬函數來計算各權限風險等級的隸屬度來反映權限支持度與風險等級的對應關系，并由風險等級和對應的風險等級隸屬度來計算權限風險等級對應的威脅值。

3.如權利要求1所述的一種基于概率本體的安卓軟件風險評估方法，其特征在于，解析所述本體模型，并導入netica生成貝葉斯網絡概率模型，還包括：

以所述貝葉斯網絡節點中的父節點為中心，遍歷所有子節點，構成貝葉斯網絡概率模型片段，多個所述貝葉斯網絡概率模型片段導入netica生成貝葉斯網絡概率模型。