计算机应用研究

作者：李凡,易军凯,

单位：北京信息科技大学自动化学院,北京100192；

关键词：代码向量化,恶意应用检测,深度学习,

基金：国家自然科学基金资助项目(U1636208)；；

目前针对恶意Android应用的静态检测方法大多基于对病毒哈希值的分析与匹配，无法迅速检测出新型恶意Android应用及其变种，为了降低现有静态检测的漏报率，提高对新型恶意应用的检测速度，提出一种通过深度网络融合模型实现的恶意Android应用检测方法。首先提取反编译得到的Android应用核心代码中的静态特征，随后进行代码向量化处理，最后使用深度学习网络进行分类判别。该方法实现了对恶意应用高准确度的识别，经过与现存方法的对比分析，验证了该方法在恶意代码检测中的优越性。

来源：2021年第2期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第2期