计算机科学与探索

作者：杨吉云, 范佳文, 周洁, 高凌云

单位：1. 重庆大学 计算机学院，重庆 400044；2. 中国石油集团测井有限公司西南分公司，重庆 400030

关键词：恶意代码检测,API调用序列,行为模式,序列模式挖掘

基金：重庆市技术创新与应用发展专项(cstc2019jscx-msxmX0077)

基于API调用序列的Android恶意代码检测方法大多使用N-gram和Markov Chain来构建行为特征实现恶意代码检测，但这类方法构造的特征序列长度受限且包含不相关的调用序列，检测精度不高。提出了一种基于行为模式的Android恶意代码检测方法。首先，通过调用序列约简和调用序列合并，提取了最长敏感API调用序列;然后，定义了加权支持度，在此基础上提出了改进的序列模式挖掘算法，挖掘不同类别样本中具有高区分度的序列模式作为分类特征;最后，使用不同的机器学习算法构建分类器实现恶意代码检测。实验结果表明，提出的方法在Android恶意代码检测中的精确度达到了96.11%，比基于API调用数据的两种同类恶意代码检测方法分别提高了4.60个百分点和2.11个百分点。因此，提出的方法能有效检测Android恶意代码。

来源：2022年第8期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2022年第8期