基于深度学习的Android恶意软件检测系统的设计和实现

摘要

为了提高Android恶意软件检测的准确率和有效性,提出了一种新的基于深度学习的Android恶意软件检测系统:SDADLDroid.该系统中使用的安全相关特征分别由静态特征和动态特征组成.经过特征选择算法,将深度学习多层降噪自动编码机,用于最终的分类.在本次实验中,使用了8 000个良性应用软件和7 000个恶意软件组成的数据集,该系统通过对现实中15 000个应用构建了一个3层的SDA神经网络,该系统的检测准确率高达95.8％.实验表明基于深度学习的Android恶意软件检测系统比传统机器学习技术有更高的准确率.