24、安卓恶意软件检测与内核模块注入技术

安卓恶意软件检测与内核模块注入技术

1. 安卓恶意软件检测指标与算法结果

在安卓恶意软件检测中，有几个重要的指标用于评估检测算法的性能：
- 误报率（False Positive Ratio, FPR） ：计算公式为 $FPR = \frac{FP}{FP + TN}$，其中 $FP$ 是被错误检测为恶意软件的良性软件数量，$TN$ 是被正确分类的合法可执行文件数量。
- 准确率（Accuracy） ：是分类器命中的总数除以整个数据集中的实例数量，公式为 $Accuracy = \frac{TP + TN}{TP + FN + FP + TN}$。
- ROC曲线下面积（Area under the ROC Curve, AUC） ：AUC 建立了假阴性和假阳性之间的关系，ROC 曲线是通过绘制真阳性率（TPR）与误报率（FPR）得到的。

以下是不同算法的测试结果：
| 算法 | TPR | FPR | AUC | 准确率(%) |
| — | — | — | — | — |
| Naïve Bayes | 0.93 | 0.17 | 0.90 | 88.07 |
| Bayesian Network: K2 | 0.71 | 0.13 | 0.89 | 78.68 |
| Bayesian Network: TAN | 0.83 | 0.11 | 0.94 | 86.09 |
| SVM: Poly | 0.93 | 0.03 | 0.95 | 94.70 |
| SVM: NPoly