CallN:基于卷积神经网络的Android恶意软件家族分类技术

现有基于API特征的Android恶意软件分析技术普遍采用API频繁调用序列或者API调用子图作为特征对恶意家族进行聚类,固化了恶意软件的特征,难以准确地进行恶意软件家族分类。API调用图为有向图,本文利用有向图节点依赖性的特点,采用拓扑排序对API调用图进行排序。随机提取局部特征后节点对前节点具有依赖性,这使得特征拥有随机性、有效性。结合卷积神经网络提出一种新的Android恶意软件家族分类技术。通过静态分析提取Android应用的API调用图,同时建立一个API数据库对API进行标记;将API调用图进行排序并转换为RGB图像,使用本文提出的卷积神经网络模型CallN提取图像特征进行分类。本文选择Drebin数据集中恶意软件家族规模前20的恶意家族的恶意软件进行家族分类,家族分类准确率达到99.93%。实验结果表明,本文提出的方法能有效地对恶意软件家族进行分类。

英国政府数据开放平台交通数据的建设现状调查与分析

文章以英国政府开放数据平台data.gov.uk交通数据为调查对象,从发布机构、主题、格式、许可协议与开放级别4个方面调查该平台现有902个已发布的交通数据集的建设情况;从API设置和APP开发两方面掌握其交通数据的应用情况;从数据请求机构、主题、原因和结果了解公众对交通数据的潜在需求。在调查基础上总结da-ta.gov.uk平台交通数据建设与开放的经验与不足,为我国政府开放交通数据以推进智慧交通建设进程提供一定的启发。