一种基于精简行为图的安卓恶意软件检测方法.pdf
文本预览下载声明
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117708815A
(43)申请公布日2024.03.15
(21)申请号202311686421.X
(22)申请日2023.12.08
(71)申请人重庆邮电大学
地址400065
显示全部
文档详情
相似文档
-
一种基于Transformer结构的安卓恶意软件检测方法.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 114462039 A
(43)申请公布日 2022.05.10
(21)申请号 202210103121.3
(22)申请日 2022.01.27
(71)申请人 北京工业大学
地址 100124
-
基于多模态融合的安卓恶意软件检测方法研究.pdf
摘要
摘要
随着移动支付等应用的广泛使用，对于安卓设备中的恶意软件进行检测和防
护变得越来越重要，研究安卓恶意软件检测不仅对保护用户隐私和安全至关重要，
而且对维护整个社会网络的安全具有重大意义。然而，传统的静态检测方法在适
应不同样本方面存在不足，以及对大量的样本进行分析和比对的时候往往需要消
耗大量的时间和计算资源。针对以上问题，本文通过分析不同静态特征模态的优
势，提出了一种多模态融合的检测方法，主要研究的内容如下：
-
基于AndroGRU的安卓恶意软件静态检测方法.pdf
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号CN110941828A
(43)申请公布日
2020.03.31
(21)申请号20191
-
《基于DoI-RNNs的安卓恶意软件动态检测方法》.docx
《基于DoI-RNNs的安卓恶意软件动态检测方法》
一、引言
随着移动互联网的迅猛发展，安卓操作系统已成为全球使用最广泛的移动平台之一。然而，随着安卓设备的普及，恶意软件的威胁也日益严重。为了保护用户数据和设备安全，开发有效的安卓恶意软件检测方法变得至关重要。本文提出了一种基于DoI-RNNs（动态行为与循环神经网络）的安卓恶意软件动态检测方法，旨在提高检测准确性和效率。
二、安卓恶意软件概述
安卓恶意软件是指利用安卓系统漏洞，未经用户许可即进行恶意行为的软件程序。它们通常隐藏在看似正常的应用程序中，通过窃取用户信息、破坏系统功能等方式获取非法利益。安卓恶意软件的种类繁多，其行为和特性各不相同
-
基于图卷积网络的安卓恶意软件检测方法及系统.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 117034273 A
(43)申请公布日 2023.11.10
(21)申请号 202311090888.8 G06N 3/08 (2023.01)
(22)申请日 2023.08.2
-
一种基于图卷积神经网络的安卓恶意软件检测方法.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117909975A
(43)申请公布日2024.04.19
(21)申请号202410082512.0
(22)申请日2024.01.19
(71)申请人重庆邮电大学
地址400065
-
一种基于PSEAM-MobileNet神经网络的安卓恶意软件检测方法及系统.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117574364A
(43)申请公布日2024.02.20
(21)申请号202310929813.8G06N3/08(2023.01)
(22)申请日202
-
一种基于遗传算法的安卓恶意软件检测特征选择方法.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116383816 A
(43)申请公布日 2023.07.04
(21)申请号 202310054631.0
(22)申请日 2023.02.03
(71)申请人 北京工业大学
地址 100124
-
一种基于元路径嵌入的图神经网络安卓恶意软件检测方法.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116305111 A
(43)申请公布日 2023.06.23
(21)申请号 202310040605.2
(22)申请日 2023.01.13
(71)申请人 河北师范大学
-
基于API聚类和调用图优化的安卓恶意软件检测.docx
基于API聚类和调用图优化的安卓恶意软件检测
目录
1.内容概括................................................2
1.1研究背景.............................................2
1.2研究目的和意义.......................................3
1.3文档结构.............................................4
2.相关技术概述............................................5
2.1AP
-
基于流量指纹的安卓恶意软件分类方法研究.pdf
摘要
摘要
随着移动终端的发展，智能手机以它强大的功能吸引了非常庞大的用户，其
中Android系统因为其开源、自由的特性深受开发人员的喜爱，占据了很大的市场
份额，但这也为安卓恶意软件敞开了大门，所以研究一个有效的恶意软件检测方
法非常有必要。目前通过流量分析来检测恶意代码的研究并不多，常见的Android
恶意软件识别与分类方法多是基于静态程序分析，通过分析Android软件的API
调用、权限等特征来识别和分类。此类分析方法需要对软件进行逆向工程、反编
译等操作且容易被基于混淆代码的恶意软件轻易的绕过检测。而本文采用动态分
析的流量分析方法，通过获取Android软件运行期间产生的流量，
-
基于动态原型的小样本安卓恶意软件家族检测方法研究.docx
基于动态原型的小样本安卓恶意软件家族检测方法研究
一、引言
随着移动互联网的迅猛发展，安卓操作系统因其开放性和便利性成为全球用户的主要选择。然而，这也为恶意软件提供了广阔的生存空间。安卓恶意软件（Malware）的家族不断壮大，其隐蔽性、复杂性和变种速度日益增加，给用户的信息安全和隐私保护带来了严重威胁。因此，有效检测和识别安卓恶意软件成为了一个亟待解决的问题。本文提出了一种基于动态原型的小样本安卓恶意软件家族检测方法，旨在为安卓用户提供更高效、准确的恶意软件检测手段。
二、研究背景及意义
近年来，随着机器学习和人工智能技术的发展，基于机器学习的恶意软件检测方法逐渐成为研究热点。然而，传统的机
-
基于组合特征的安卓恶意软件静态检测方法研究.pdf
第23卷第2期软件导刊Vol.23No.2
2024年2月SoftwareGuideFeb.2024
基于组合特征的安卓恶意软件静态检测方法研究
姚斌荣，张娜
（浙江理工大学计算机科学与技术学院，浙江杭州310018)
摘要：针对目前Android恶意软件的静态检测方法在特征选取上类型单一、同类型数量较多以及得到的检测模型效
率不高等问题，提出一种基于组合特征的安卓恶意软件静态检测方法，组合特征集包含权限、组件和预见性3个方
面。首先，不同方面的特征通过实验和推理方式选取并保留各自具有代表性的特征为最终特征集；其次，根据特征属
性的信息增益优化决策树节点分类规则，构建检测模型；最后，采用十倍交
-
《基于增强深度学习的拟态安卓恶意软件动态检测方法》.docx
《基于增强深度学习的拟态安卓恶意软件动态检测方法》
一、引言
随着移动互联网的快速发展，安卓平台已成为全球最大的移动操作系统之一。然而，随着安卓设备的普及，恶意软件的威胁也日益严重。为了保护用户的数据安全和隐私，对安卓恶意软件的检测和防御技术显得尤为重要。传统的静态检测方法虽然可以检测已知的恶意软件，但对于新型、变种恶意软件的检测效果并不理想。因此，本文提出了一种基于增强深度学习的拟态安卓恶意软件动态检测方法，旨在提高对恶意软件的检测准确性和实时性。
二、安卓恶意软件概述
安卓恶意软件是指利用安卓系统漏洞或用户行为特点，进行非法活动的软件。这些恶意软件可能窃取用户信息、传播病毒、破坏系统等。随
-
基于Adaboost的安卓恶意软件检测方法、系统及存储介质.pdf
(19)国家知识产权局
(12)发明专利
(10)授权公告号 CN 113704759 B
(45)授权公告日 2022.05.27
(21)申请号 202110935086.7 G06N 20/00 (2019.01)
(22)申请日 2021.08