公开(公告)号：CN105740712B

公开(公告)日：2018-07-24

申请号：CN201610130821.6

申请日：2016-03-09

Applicant: 哈尔滨工程大学

Inventor： 张国印 ,  曲家兴 ,  王玲 ,  李晓光 ,  夏松竹

IPC: G06F21/56

Abstract: 本发明公开了基于贝叶斯网络的Android恶意行为检测方法。具体过程为：步骤一：对Android应用训练样本进行静态特征提取；步骤二：进行特征预处理，采用卡方统计的特征选择方法，计算特征和类别之间的关联程度；步骤三：构建基于贝叶斯网络分类算法的Android软件恶意行为检测模型；步骤四：将待测APK提取的特征输入到训练好的贝叶斯网络病毒检测模型中，计算出所属类别的后验概率；步骤五：步骤四中得到两个数据，分别为待测APK提取的特征属于病毒类和正常类的后验概率，通过比较选择后验概率大的类别作为该应用的分类结果。本发明能够有效的检测Android恶意应用，同时在一定程度上降低了贝叶斯网络的学习时间。

公开(公告)号：CN105740712A

公开(公告)日：2016-07-06

申请号：CN201610130821.6

申请日：2016-03-09

Applicant: 哈尔滨工程大学

Inventor： 张国印 ,  曲家兴 ,  王玲 ,  李晓光 ,  夏松竹

IPC: G06F21/56

CPC classification number: G06F21/562

Abstract: 本发明公开了基于贝叶斯网络的Android恶意行为检测方法。具体过程为：步骤一：对Android应用训练样本进行静态特征提取；步骤二：进行特征预处理，采用卡方统计的特征选择方法，计算特征和类别之间的关联程度；步骤三：构建基于贝叶斯网络分类算法的Android软件恶意行为检测模型；步骤四：将待测APK提取的特征输入到训练好的贝叶斯网络病毒检测模型中，计算出所属类别的后验概率；步骤五：步骤四中得到两个数据，分别为待测APK提取的特征属于病毒类和正常类的后验概率，通过比较选择后验概率大的类别作为该应用的分类结果。本发明能够有效的检测Android恶意应用，同时在一定程度上降低了贝叶斯网络的学习时间。

公开(公告)号：CN105653946A

公开(公告)日：2016-06-08

申请号：CN201610130822.0

申请日：2016-03-09

Applicant: 哈尔滨工程大学

Inventor： 张国印 ,  曲家兴 ,  王玲 ,  何志昌 ,  高伟

IPC: G06F21/55

CPC classification number: G06F21/552 ,  G06F2221/033

Abstract: 本发明公开了一种基于组合事件行为触发的Android恶意行为检测系统及其检测方法。多层行为监控模块捕获应用程序运行时的行为日志；行为分析模块通过函数调用关系和函数参数特征识别应用程序中的恶意行为，同时，行为分析模块会生成应用行为分析报告；DroidRunner行为触发模型根据对界面调度方式和已知恶意行为触发条件的分析设计了多组合均衡遍历算法和特殊事件触发库，完成对应用程序中恶意行为的动态检测。本发明其可覆盖应用程序运行期间绝大部分的函数调用，对应用程序中的敏感行为触发效果显著。达到高效、稳定触发应用程序中可能存在的恶意行为的效果。

公开(公告)号：CN105375960A

公开(公告)日：2016-03-02

申请号：CN201510727011.4

申请日：2015-10-30

Applicant: 哈尔滨工程大学

Inventor： 叶方 ,  姚俊超 ,  李一兵 ,  王秋滢 ,  黄诚 ,  刁雪莹 ,  夏禹 ,  王玲

IPC: H04B7/04

CPC classification number: Y02D70/122 ,  H04B7/0456

Abstract: 本发明涉及一种基于全局投影距离的干扰对齐预编码方法，包括如下步骤：步骤1：根据多小区干扰对齐条件初始化预编码矩阵{V1…Vk}；步骤2：计算全局子空间距离βl(Vl)；步骤3：计算全局子空间距离对预编码矩阵的梯度；步骤3：计算梯度下降方向Z；步骤4：计算下降沿步长；步骤5：若步长不在阈值范围内，则返回步骤2进行迭代；若步长在阈值范围内或达到最大迭代限制，则迭代结束，得到梯度和矩阵；步骤6：对梯度和矩阵进行正交三角分解，得到预编码矩阵。