APP检测方法和装置制造方法及图纸

本发明专利技术的一个方面涉及APP检测方法和装置。具体公开了一种APP的检测方法，包括：从APP样本中提取APP样本的静态特征信息和动态特征信息，其中动态特征信息表达动态特征的时序特性；将静态特征信息和动态特征信息输入深度神经网络以识别APP的类别。

【技术实现步骤摘要】
APP检测方法和装置
本专利技术涉及APP的分类检测领域，具体涉及利用机器学习分类方法对APP进行分类检测。
技术介绍
目前存在许多使用机器学习分类算法来识别特定类别的APP的方法。根据来源方式不同，目前APP的检测主要针对两类特征：静态特征和动态特征。静态特征，指并不需要在手机上实际安装和运行恶意APP软件，而是通过逆向/反编译技术，在安全环境中对APP进行代码分析而获得的APP特征数据。例如，APP的静态特征是指APP是否使用某一权限、是否调用某一API。动态特征，即基于被检测APP软件行为的特征数据，通常是把目标软件置于特定的封闭安全的环境下运行，并且模拟交互边界条件，而得到的APP运行行为特征数据。目前的检测方法通常是基于应用代码的静态特征和应用行为的动态特征相结合作为输入数据，使用机器学习分类算法判断APP的类别，例如是否为恶意APP。这类传统机器学习方法，对于静态特征和动态特征都采用“0/1”二值作为表示方法。
技术实现思路
现有技术中的特征表示方法所表达的信息量十分有限，导致APP的分类检测并不准确。<本文档来自技高网...

【技术保护点】
1.一种APP的检测方法，包括:/n从APP样本中提取APP样本的静态特征信息和动态特征信息，其中动态特征信息表达动态特征的时序特性；/n将静态特征信息和动态特征信息输入深度神经网络以识别APP的类别。/n

【技术特征摘要】
1.一种APP的检测方法，包括:
从APP样本中提取APP样本的静态特征信息和动态特征信息，其中动态特征信息表达动态特征的时序特性；
将静态特征信息和动态特征信息输入深度神经网络以识别APP的类别。


2.如权利要求1所述的检测方法，还包括：在将动态特征信息输入深度神经网络之前对动态特征信息进行编码。


3.如权利要求1所述的检测方法，其中，将动态特征信息输入卷积神经网络(CNN)。


4.如权利要求1所述的检测方法，其中，将静态特征信息输入深度置信网络(DBN)。


5.如权利要求1所述的检测方法，其中，识别APP的类别包括对深度神经网络参数进行优化。


6.如权利要求5...

【专利技术属性】
技术研发人员：蔡鑫，闻剑峰，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：北京;11