公开(公告)号：CN114692148B

公开(公告)日：2024-04-26

申请号：CN202210343446.9

申请日：2022-03-31

Applicant: 中国舰船研究设计中心

Inventor： 冯浩 ,  齐翔

IPC: G06F21/56 ,  G06F8/53 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于机器学习的恶意代码检测方法，包括以下步骤：1)采用基于静态分析的特征提取手段，根据Android系统APP的APK样本提取特征；2)特征数据处理，将特征向量构成TZHD‑Mat样本库；3)模型训练；以Matlab环境为平台，将APK样本TZHD‑Mat灰度值图片作为训练集输入，训练和调试深度学习神经网络参数以及随机森林算法决策树，获得最终的恶意代码检测模型。本发明方法和传统的经典机器学习算法相比，显著地提高了检测效率和模型可靠性。

公开(公告)号：CN114692148A

公开(公告)日：2022-07-01

申请号：CN202210343446.9

申请日：2022-03-31

Applicant: 中国舰船研究设计中心

Inventor： 冯浩 ,  齐翔

IPC: G06F21/56 ,  G06F8/53 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于机器学习的恶意代码检测方法，包括以下步骤：1)采用基于静态分析的特征提取手段，根据Android系统APP的APK样本提取特征；2)特征数据处理，将特征向量构成TZHD‑Mat样本库；3)模型训练；以Matlab环境为平台，将APK样本TZHD‑Mat灰度值图片作为训练集输入，训练和调试深度学习神经网络参数以及随机森林算法决策树，获得最终的恶意代码检测模型。本发明方法和传统的经典机器学习算法相比，显著地提高了检测效率和模型可靠性。