Android Malware Detection Using Support Vector Regression for Dynamic Feature Analysis

doi:10.3390/info15100658

Android Malware Detection Using Support Vector Regression for Dynamic Feature Analysis

2024-10-19

0

OA

AI

DOI：10.3390/info15100658

原文链接

原文求助

摘要

En 中文

移动设备由于安卓恶意软件的日益泛滥而面临严峻的安全挑战。本研究提出了一种创新型的安卓恶意软件检测方法，结合支持向量回归（SVR）和动态特征分析，以应对不断升级的移动安全挑战。我们的研究旨在开发一个更准确、更可靠的恶意软件检测系统，能够识别已知和新型恶意软件变体。我们实施了一套全面的方法，包括从安卓应用程序中提取动态特征、特征预处理与归一化，以及应用带有径向基函数（RBF）核的SVR进行恶意软件分类。结果表明，基于SVR的模型表现出卓越的性能，准确率达到95.74%，精确率为94.76%，召回率为98.06%，F1得分为96.38%，超越了包括SVM、随机森林和CNN在内的基准算法。该模型在ROC分析中展现出优异的判别能力，曲线下面积（AUC）为0.98。所提出模型在特征空间中捕捉复杂非线性关系的能力显著提升了其区分良性应用和恶意应用的有效性。本研究为推进安卓恶意软件检测系统奠定了坚实基础，为研究人员和安全从业者应对不断演变的恶意软件挑战提供了宝贵见解。

Android Malware Detection Using Support Vector Regression for Dynamic Feature Analysis

摘要

期刊

机构

引用论文