共查询到10条相似文献,搜索用时 15 毫秒
1.
为了保护用户个人信息不被盗取,提高现有的未知恶意软件识别方法分类准确率,提出了基于改进朴素贝叶斯的未知恶意软件识别方法。首先,在恶意软件识别的神经网络中,利用HOOK跟踪样本,对数据进行预处理;其次,结合朴素贝叶斯理论针对未知恶意软件建立分析模型;最后,建立改进朴素贝叶斯模型,通过搜索加权贝叶斯模型中的权值,经过计算分类准确率结果获得恶意软件识别结果。实验结果表明,该方法对4种病毒样本的分类准确率结果为98%,能够正确分类恶意软件,达到较好的识别效果。 相似文献
2.
增强智能手机安全的动态恶意软件分析系统 总被引:1,自引:0,他引:1
分析了智能手机上恶意软件的现状和发展趋势,给出了当前防范手机恶意软件的措施及其不足之处.适应大多数手机用户的安全需求,提出了一种能够满足增强智能手机安全的方案--移动动态恶意软件分析系统.给出了恶意软件分析模块的具体设计和整个分析系统的实现构思.最后,指出了分析系统的不足并提出解决方法.智能手机恶意软件的现状使该方案具有很好的应用前景. 相似文献
3.
由于智能手机使用率持续上升促使移动恶意软件在规模和复杂性方面发展更加迅速。作为免费和开源的系统,目前Android已经超越其他移动平台成为最流行的操作系统,使得针对Android平台的恶意软件数量也显著增加。针对Android平台应用软件安全问题,提出了一种基于多特征协作决策的Android恶意软件检测方法,该方法主要通过对Android 应用程序进行分析、提取特征属性以及根据机器学习模型和分类算法判断其是否为恶意软件。通过实验表明,使用该方法对Android应用软件数据集进行分类后,相比其他分类器或算法分类的结果,其各项评估指标均大幅提高。因此,提出的基于多特征协作决策的方式来对Android恶意软件进行检测的方法可以有效地用于对未知应用的恶意性进行检测,避免恶意应用对用户所造成的损害等。 相似文献
4.
5.
6.
Android恶意软件特征研究 总被引:2,自引:0,他引:2
智能手机的广泛应用导致手机恶意软件的数量急速增加,尤其是近几年,基于Android操作系统的手机在智能手机市场占据主导地位,针对Android系统的恶意软件数量快速增加。手机恶意软件主要收集手机用户地理位置、语音通信、短信等个人隐私信息,或进行恶意扣费、耗费系统资源等行为,给用户自身和手机系统带来很大危害。准确分析恶意软件行为特征可以为后续清除恶意软件提供有力依据。传统的恶意软件分析技术主要包括静态分析与动态分析,文中介绍了当前存在的一些手机恶意软件分析检测技术及其缺陷,并从安装、激活、恶意负载三方面对已知Android恶意软件主要行为特征进行详细分析。 相似文献
7.
针对现有Android恶意软件检测方法中存在的特征分析单一和固定化、对未知和潜伏性强的恶意软件检测能力弱等问题,构建一种Android恶意软件的人工自然杀伤细胞(Natural Killer cell,NK)检测模型。对人工自然杀伤细胞模型和树突状细胞算法(Dendritic Cell Algorithm,DCA)进行了研究,结合软件静态权限申请特征和动态API调用特征,经数据预处理后形成模型的各类输入信号。人工NK细胞输出刺激因子与DCA危险信号融合,提高了DCA的危险信号显著性,优化了DCA的检测过程。实验包含从VirusTotal等数据集选取的多种分类恶意软件样本1 150个,良性软件样本1 093个。实验结果表明与DCA和[K]-means等检测方法相比人工NK细胞检测模型提高了准确率并且降低了误报率。 相似文献
8.
Windows Mobile手机恶意软件的原理分析及防护措施研究 总被引:1,自引:0,他引:1
当前,智能手机已逐步具备Internet服务、电子邮件、文档处理、在线游戏、即时通信等功能。这些新应用的出现也为恶意软件提供了更多的机会。由于智能手机中大都存有用户的各种重要信息,因此恶意软件的入侵会导致不可估量的损失。本文分析了典型的基于Windows mobile智能手机的恶意软件,讨论了此类恶意软件的传播和破坏特性,最后给出了手机用户的防护措施。 相似文献
9.