30、SAFEDroid：基于API调用和结构特征的安卓恶意软件检测方案

SAFEDroid：基于API调用和结构特征的安卓恶意软件检测方案

1. 方法概述

为了有效检测安卓移动设备上的恶意软件，开发了一种基于API调用和应用程序结构特征的静态分析工具SAFEDroid。其简化的系统架构主要包括以下几个关键步骤：
1. 构建数据集 ：创建包含恶意软件和良性软件的数据集。
2. 特征选择 ：对数据集进行深入研究，挑选合适的特征以提高检测模块的准确性。
3. 特征提取 ：提取选定的特征子集，这些特征分为代码、清单和文件相关三类。
4. 分类 ：运用机器学习技术，如J48决策树算法，对应用程序进行分类。
5. 模型评估 ：使用Drebin数据集评估生成的模型。

下面是该流程的mermaid流程图：

graph LR
    A[构建数据集] --> B[特征选择]
    B --> C[特征提取]
    C --> D[分类]
    D --> E[模型评估]

2. 特征选择

在移动恶意软件检测的静态分析中，API调用和权限是常用的特征。研究表明，基于API调用的特征检测性能优于基于权限的特征集，且同时使用API和权限特征并不比仅使用API特征有明显提升。因此，本研究未纳入权限特征，而是添加了顶级的显著API调用。此外，还提取了应用程序的一些结构特征，具体分为以下三类：