20、物联网中安卓恶意软件检测与安全框架综述

物联网中安卓恶意软件检测与安全框架综述

安卓恶意软件检测

在安卓应用市场中，恶意软件的检测至关重要。为了有效检测安卓恶意软件，研究人员采用了多种方法，包括特征提取、主成分分析（PCA）以及深度学习分类器等。

特征提取与预处理

首先，将收集到的应用存储在本地硬盘后，使用DynaLog在真实安卓设备上安装并运行每个应用进行特征提取。每个应用运行两个实例，一个无状态，一个有状态，特征会记录在.csv文件中。在.csv文件中，应用中存在的特征设为1，不存在的设为0。通过DynaLog共提取400个特征，再使用主成分分析（PCA）作为特征提取算法，从这些特征中仅提取前10个特征。具体不同数据源提取的特征数量如下表所示：
| 特征集 | 特征数量 |
| — | — |
| 应用属性特征 | 90 |
| 固有特征 | 50 |
| 动作事件 | 40 |
| 权限特征 | 200 |

特征提取的流程如下：
1. 收集应用并存储在本地硬盘。
2. 使用DynaLog在真实安卓设备上安装并运行应用。
3. 每个应用运行两个实例（无状态和有状态）。
4. 将特征记录在.csv文件中。
5. 使用PCA提取前10个特征。

主成分分析（PCA）

PCA是一种将大型数据集的维度降低到具有高信息的低维数据的方法，通过将数据分解为垂直向量，使信息的传播更广泛，因为更多的方差意味着数据中包含更多的信息。其数学步骤如下：
1. 对于数据矩阵X，计算X的协方差：
- 首先计算均值：$\mu = E{X}$