毕业论文网
关于免费检测方法论文范文在这里免费下载与阅读,为您的检测方法相关论文写作提供资料。
一种基于演化超网络的Android恶意软件检测方法
【摘 要】 本文提出了一种基于演化超网络的Android 恶意软件检测策略,且与传统分类算法进行了比较.结果表明,本文提出的检测策略接近或优于传统的分类算法.
【关键词】 恶意软件 演化超网络 Android 权限 卡方统计
一、特征选择
Android 应用权限多达134 种,为了降低样本的维数,筛选出具有恶意性关联权限加入到超网络训练,本文引入卡方训练,计算关联权限与恶意软件的相关性.卡方验证如式（1）所示：
2.2 超网络演化学习
超网络通过演化学习寻求一个合适的概率分布用来准确地拟合训练数据,
其学习的步骤如下：
1）初始化.初始化超边的集合为空集L, 并设置每次迭代被替代的超边的峰值为m, 针对训练集中的每个样本,随机生成阶数为k 的超边10 条,初始化超边的适应值为fw等于0,fc等于0,且加入到集合L 中.
2）分类.用步骤1）生成的超网络对训练样本集进行分类,正确分类的样本归入到集合XC 中,错分的样本归入到集合XW 中.
3）计算超边的适应值.针对每条超边li,计算其对XW中的样本xi 的适应值.如果该边可以正确分类xi 则适应值设为fw(li)等于fw(li)+|Y|-1,否则适应值为fw(li)等于fw(li)-1；同样,对于XC中的样本xi 计算超边li 的适应值.
4）排序.所有的超边按fw 降序排列,如果有相同fw 的超边则按照fc 降序排列.
5）计算被替代的超边数s等于wr|L|,其中w 为超边替代控制参数,用来控制被替代的超边的数量,r 为步骤2）中错误分类的样本占比,|L| 为超边的总数,如果s 小于m,则m等于0.8s,否则s等于m.
6）替代.根据排序结果,选取最后s 个超边,用与之关联模式重新产生并替代原超边.
7）返回步骤2）, 直到s等于0.
三、实验
实验共搜集了1000 个android 样本,其中500 个为恶意样本,从https://virusshare.com/ 网站上收集,另外500 个为良性样本,从国内的Android 应用市场下载.在测试过程中采用十折交叉验证的方法,轮流将90% 作为训练集,10%作为测试集,取10 次实验的平均结果,实验效果的评价指标有：准确率（precision,P）、召回率(recall,R), 并将分类结果与KNN 及贝叶斯分类器对比,其结果如下：
结论：本文通过对Android 软件权限机制的研究,提出了一种基于演化超网络的恶意软件检测方法,实验结果表明,本文提出的检测方法在已收集的数据集上有较好的表现,略优于传统的KNN 及BayesNet 分类器.下一步工作结合Android 软件的API 调用并在更大数据集的基础上研究超网络分类器的性能,以提高检测的准确率.
检测方法论文范文结:
关于检测方法方面的论文题目、论文提纲、检测方法论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文。
2、论文检测
4、论文字数检测
5、论文调查方法
6、论文方法有哪些