基于集成机器学习算法的Android恶意软件创新预测方法研究

恶意软件旨在破坏、禁用或控制计算机系统.Android恶意软件专门针对Android操作系统,以泄露机密信息和破坏系统为目的.文献显示相关领域已进行了多次尝试来检测Android恶意软件.然而,这些工作无法自动检测恶意软件,而且大多数都是基于签名的,无法检测恶意软件的新变种.本研究中,探索了不同的算法,以获得恶意软件预测的最佳算法,并获得有助于本研究有效预测恶意软件的最佳特征集.从本研究的分析中,已经看到,在预测恶意软件方面,集成方法比传统的机器学习算法要好.本研究使用LGBM创新算法将特征数量从215个减少到100个,精准率达到99.50%.此外,本研究使用只有55个特征的随机森林获得了99.17%的精准度。