8、训练数据集是否仍具相关性？

训练数据集是否仍具相关性？

1. 研究背景

如今，安卓移动平台已成为最受欢迎的平台，仅官方谷歌应用商店就有数十万款应用，下载量超过数十亿次。然而，随着其受欢迎程度的增加，针对该平台的恶意软件（即恶意软件）也日益增多。研究表明，平均而言，安卓恶意软件在被安全研究人员发现之前，可能在长达3个月的时间内未被察觉，这使得用户在此期间处于易受攻击的状态。为了缩小这3个月的检测差距，安全研究人员不断提出新的恶意软件检测技术，其中包括基于机器学习的方法。

2. 机器学习基础

• 特征与算法 ：机器学习是指通过示例数据或过去的经验对计算机进行编程，以优化性能标准。常见的学习方法是监督学习，在这种方法中，计算机首先通过训练数据进行学习。训练数据由特征向量组成，每个特征向量都与一个标签相关联，例如，在我们的案例中，已知为恶意的应用（恶意软件类）或良性的应用（良性软件类）。运行学习算法后，将输出与目标输出进行比较，并根据误差的大小校正学习参数。为了将应用分类为恶意软件和良性软件类，该方法必须定义一个相关度量和一个判别函数。安卓恶意软件检测的文献中包含了各种特征示例，如字节码的n - 元组、API使用情况、应用权限使用等。也存在多种分类算法，包括支持向量机（SVM）、随机森林集成决策树算法、RIPPER规则学习算法和基于树的C4.5算法。
• 工作示例 ：为了研究历史在训练和测试数据集选择中的重要性，我们使用静态分析安卓应用的字节码，提取程序控制流图（CFG）的抽象表示。通过特定方法将CFG表示为字符串，该字符串保留了代码结构的信息，但丢弃了变量名或寄存器号等低级细节。从应用的抽象CFG中收集所