Android恶意软件检测低冗余特征选择方法

雩风三日

Android恶意软件检测低冗余特征选择方法

       针对 Android 恶意软件检测特征选择中，对类间具有相同频率分布的特征过度关注而导致特征冗余问题，提出了一种 Android 恶意软件检测低冗余特征选择方法。该方法首先利用 Mann-Whitney 检验方法选择出存在频率分布偏差的特征，然后通过外观比率间隔算法量化偏差程度和特征出现频率剔除低偏差和整体软件中低频使用的特征，最终结合粒子群优化算法和分类器检测效果得到特征子集。使用公开数据集 DREBIN 和 AMD 进行实验，实验结果显示，在 AMD 数据集上选择出了 294 维特征，进行特征选择后 6 种分类器的检测准确率提高了 1%～5%，在 DREBIN 数据集上选择出了 295 维特征，特征数量少于 4 种对比方法，进行特征选择后 6 种分类器的检测准确率提高了 1.7%～5%。实验结果表明，该方法能够降低 Android 恶意软件检测中特征的冗余性，提升恶意软件的检测准确率。
( |" I. d0 w0 R
5 Z8 p9 y) V" [2 {" ]关键词：Android 恶意软件检测；特征选择；Mann-Whitney 检验；粒子群优化算法；外观比率间隔算法
% ]" y* Q5 r. A8 z; q
! H# o( s1 ]5 c& P
! k) D+ c, Q; |