15、机器学习在安卓恶意软件检测与推荐系统设计中的应用

机器学习在安卓恶意软件检测与推荐系统设计中的应用

1. 安卓恶意软件检测系统实现

该系统从安全分析师的视角进行设计。分析师需使用预设的凭证登录系统，登录成功后，系统提供不同机器学习分析的选择页面。分析师可利用系统提供的功能进行训练和针对不同环境进行定制。系统采用多种基于机器学习的算法进行训练和恶意软件检测，模型基于在线分析公司提供的大量恶意数据进行训练，这些数据来自对安卓和 Windows 应用程序的分析。总共使用 13k 组数据来训练系统模型，以实现检测被测应用程序并确定其所属家族的特定功能。系统通过直方图或热图等图形表示进行统计分析，帮助分析师了解训练效率。分析师可对大量安卓或 Windows 平台的应用程序进行逆向工程，并在在线网站上测试结果的完整性。

系统实现过程中使用了数据流程图和序列图等图形结构，具体如下：
- 数据流程图
- DFD 级别 0 ：用户（分析师）通过图形用户界面（GUI）以原始格式提供从框架收集的行为报告。应用程序分别使用机器学习（ML）算法进行特征提取和预测应用程序的恶意性，输出结果为应用程序是恶意还是良性，若是恶意程序，则确定其所属家族。
- DFD 级别 1 ：用户选择要分析的应用程序，将其放入沙箱环境中执行并收集行为报告。用户提供应用程序行为研究后的行为报告，从原始报告中提取特征，使数据适合机器学习使用，然后将数据输入预测算法和威胁归因算法，输出应用程序是恶意还是良性。
- 序列图 ：首先收集安卓或 Windows 系统的所有特征，系统在运行时使用沙箱生成行为报告。收集的数据