买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安工业大学

摘要：本发明公开了一种基于多特征融合的安卓恶意软件检测方法，解决了单一特征对安卓恶意软件表示不全面、特征利用率低下和多特征直接拼接导致的高维度和信息冗余问题。包括有以下步骤：获取数据集；反编译；提取并生成敏感权限特征向量、操作码特征向量、函数调用图特征向量；构建改进的图注意力网络；构建多特征深度融合模型MFDF并进行多特征深度融合；训练分类模型；检测安卓恶意软件。本发明通过多特征深度融合模型MFDF综合利用敏感权限、操作码和函数调用图特征，深入地挖掘恶意软件行为的语义、行为和结构信息，提高了数据的处理效率、检测安卓恶意软件的准确率和适应性，用于移动设备安全领域进行恶意软件的识别与防范，及网络安全防御。

主权项：1.一种基于多特征深度融合的安卓恶意软件检测方法，其特征在于，改进了图注意力网络用于提取函数调用图特征，构建了多特征深度融合模型MFDF用于融合敏感权限特征、操作码特征和函数调用图特征，包括有以下步骤：步骤1获取含有恶意软件样本和良性软件样本的数据集：获取安卓恶意软件样本和良性软件样本，根据各个样本是否具有恶意行为进行标注，最终得到带有标注的安卓软件样本数据集,其中所有的恶意软件样本和良性软件样本均为APK文件；步骤2反编译APK文件得到反编译资源文件：使用反编译工具Apktool处理带有标注的安卓软件样本数据集得到反编译资源文件，其中包含配置文件AndroidManifest.xml、源代码文件和字节码文件Dalvik可执行文件；步骤3提取并生成敏感权限特征向量：解析AndroidManifest.xml文件，提取其中所申请的权限并构建权限列表，再根据StormDroid的敏感权限列表提取权限列表中的敏感权限特征，生成敏感权限特征向量P；步骤4提取并生成操作码特征向量：解析Dalvik可执行文件，提取操作码特征，将操作码特征经嵌入处理后输入到双向长短器记忆网络BiLSTM进行训练，生成操作码特征向量O；步骤5构建改进的图注意力网络并提取函数调用图特征向量：在图注意力网络GAT中引入最大池化操作模块；将该模块置于图注意力网络GAT之后，形成改进的图注意力网络架构；在此架构下，提取函数调用图的特征；函数调用图表示了函数间的调用关系，每个节点代表一个函数，节点间的边是有向边，表示了一个函数调用另一个函数；使用节点嵌入和边嵌入的方式对函数调用图进行嵌入处理；函数调用图先通过图注意力网络GAT提取局部特征；再通过最大池化操作对GAT的输出进行聚合得到函数调用图的全局特征；将两种特征进行拼接生成函数调用图特征向量F；步骤6构建多特征深度融合模型MFDF并进行多特征深度融合：构建的多特征深度融合模型MFDF为配有多级全连接架构的神经网络，依次包括有映射层、融合层和输出层；多特征深度融合模型MFDF的输入为敏感权限特征向量P、操作码特征向量O和函数调用图特征向量F，在多特征深度融合模型MFDF的融合层中进行多特征深度融合得到特征融合向量R，该特征融合向量R包含有恶意软件存在的恶意行为的描述，融合后将特征融合向量R通过多特征深度融合模型MFDF的输出层输出一个适用于分类任务的特征向量；利用多特征深度融合模型MFDF进行多特征深度融合；多特征深度融合模型MFDF利用多级全连接层架构，在融合层中执行特征的特征降维、非线性变换和多特征融合；步骤7训练XGBoost分类模型：使用XGBoost分类模型对特征融合向量R进行训练；训练完成后，XGBoost分类模型根据特征融合向量R，精确地检测安卓恶意软件，即输出检测样本所属的类别；步骤8检测安卓恶意软件：将待检测的安卓软件经过上述步骤2-5处理后传入到训练好的多特征深度融合模型MFDF进行融合并通过XGBoost分类模型进行分类，输出样本所属的类别，完成安卓恶意软件检测。

全文数据：

权利要求：

百度查询： 西安工业大学 一种基于多特征深度融合的安卓恶意软件检测方法