本技术方案专注于安卓软件安全领域,提出了一种创新的安卓恶意软件检测技术。该技术通过反编译待检测的安卓软件以获取源码文件,并利用开源框架A进行细粒度语义特征提取,以实现对恶意软件的高效识别。
背景技术
Android是由Google公司和开放手机联盟于2007年领导开发的一种基于Linux的自由开放源代码的操作系统,它被广泛使用于移动设备。第一部Android智能手机发布于2008年10月,随后,Android逐渐扩展到平板电脑以及其他领域上,如数码相机、电视、游戏机、智能手表等。根据腾讯移动安全实验室手机安全报告提供的数据显示,在2019年Android已经占据了70.97%的移动操作系统市场份额。同时也使得Android系统在开放的平台中显得日益成熟。
由此可见,深入研究移动应用的安全问题对智能手机生态圈的健全发展具有重要意义。近些年移动恶意软件检测技术的快速发展使其迅速成为了学术界软件安全领域中的热点问题,并已有大量优秀的相关研究成果发表于顶级的国际会议和期刊上。在以往,研究人员对于API语义提取使用的方案都是参考NLP的特征转化过程,从使用热度编码到参考word2vec提出fun2vec。对于数据集的降维以及筛选过程,以往的方案主要思想还是白名单思维,该降维过程和筛选过程受安卓版本、软件保护等诸多因素的影响较大,因此其模型衰老率较高,抗混淆能力弱。
实现思路