75、移动恶意软件检测与数据流量分析技术研究

移动恶意软件检测与数据流量分析技术研究

1. 移动勒索软件检测工具 GreatEatlon

1.1 实验评估

1.1.1 图像扫描器质量实验

在 ThreateningPicture 数据集上测试图像扫描器。GreatEatlon 能够从所有原始图片（即使用原始字体的图片）中提取文本并将其分类为威胁性文本。但对于使用不常见字体创建的图像，只能正确提取带有简单符号的图像中的文本，无法识别其他图像（如手写风格）。不过，像细字体、手写字体等对受害者来说也更难阅读，所以关于威胁性文本易读性的假设可能不再成立。

不同分类器的精度、准确率和 ROC 曲线下面积如下表所示：
| 分类器 | 准确率 | 精度 | AUC |
| ---- | ---- | ---- | ---- |
| J48 | 93.74% | 99.4% | 0.979 |
| SGD | 90.90% | 98.9% | 0.916 |
| 决策表 | 91.83% | 99.5% | 0.986 |
| 随机森林 | 87.18% | 99.6% | 0.991 |
| J48 + DT + RF | 92.75% | 99.6% | 0.934 |
| J49 + DT + SGD | 93.75% | 99.6% | 0.956 |
| SGD + DT + RF | 91.29% | 99.6% | 0.941 |

1.1.2 预过滤精度实验

使用标准的 10 折交叉验证方法在恶意软件数据集上评估预过滤器。将数据集随机分成 10 个子样本（9 个用于训