您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 202103-91
论文题目 基于动态特征的Android恶意代码检测和定位方法
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于动态特征的Android恶意代码检测和定位方法

首发时间:2021-03-08

王淞鹤 1   

王淞鹤,1994年,男,硕士,主要研究方向为安卓安全

郭燕慧 1   

郭燕慧,女,副教授、硕导,主要研究方向为内容安全、机器学习、知识发现

  • 1、北京邮电大学网络空间安全学院,北京市, 100876

摘要:恶意代码检测是android恶意应用检测中的重要一环,用于对可疑应用进行代码研判和危害性判定。该环节通常需要安全人员进行手动分析并定位恶意代码。为了解决分析过程繁琐的问题,本文提出一种基于运行时特征的Android恶意代码检测方法,针对应用程序运行过程中的敏感API调用与用户意图间的关系检测恶意行为并定位恶意代码。该方法根据触发条件将恶意行为分为主动触发类和被动触发类,通过收集的应用运行时信息构建行为-意图预测模型和多元时间序列作为恶意行为检测方法。本文对标记的602个恶意应用进行测试,恶意代码检测精确率为90.54%,实验结果表明,该方法可以有效检测出恶意行为并定位恶意代码位置。

关键词: Android安全 恶意行为检测 恶意代码定位 机器学习?????

For information in English, please click here

Android Malicious Code Detection and Localization based on Runtime Feature

Wang Songhe 1   

王淞鹤,1994年,男,硕士,主要研究方向为安卓安全

Guo Yanhui 1   

郭燕慧,女,副教授、硕导,主要研究方向为内容安全、机器学习、知识发现

  • 1、School of Cyberspace Security, Beijing University of Posts and Telecommunications, Beijing, 100876

Abstract:Malicious code detection is an important part of Android malware detection, which is used for code research and harmfulness judgment. This part usually requires security analyst to manually analyze and localize malicious code. In order to solve the cumbersome problem of the analysis process, this paper proposes an android malicious code detection and localization method based on runtime feature, which detect malicious behaviors and localizes realted code segments based on the relationship between sensitive API calls and user intentions. This method divides malicious behavior into active trigger and passive trigger based on triggering conditions, and constructing behavior-intention prediction model and multivariate time series based on collected runtime information as detection methods. In this paper, we marked 602 malwares as test set, and the precision rate reached 90.54%. The experimental results show that this method can effectively detect malicious behaviors and localize malicious code.

Keywords: Android security malware behavior detection malicious code localization machine learning?????

Click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

.txt .ris .doc
王淞鹤,郭燕慧. 基于动态特征的Android恶意代码检测和定位方法[EB/OL]. 北京:中国科技论文在线 [2021-03-08]. http://www.paper.edu.cn/releasepaper/content/202103-91.

No.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

基于动态特征的Android恶意代码检测和定位方法