龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：天津理工大学
摘要：一种基于机器学习的安卓隐私泄露检测方法，通过对安卓应用软件进行静态和动态分析，提取敏感权限特征以及与隐私泄露高度相关的敏感API特征，对提取出的特征进行向量化处理后输入Stacking模型进行训练，最后优化Stacking模型两层架构，得到较优参数，能有效检测出具有隐私泄露风险的安卓应用软件，该方法的系统由数据集获取模块、关键特征选取模块、安卓应用软件特征提取以及预处理模块和Stacking集成学习训练模块构成；与传统手动检测方法相比提高了检测效率，解决了静态检测在安卓应用软件加壳后获取不到源码的问题，同时弥补了动态检测效率低的不足。
主权项：1.一种基于机器学习的安卓隐私泄露检测方法，其特征在于，包括以下步骤：1收集安卓应用软件样本，筛选与隐私泄露相关的关键特征；2对步骤1筛选后的特征进行提取和处理，进行向量化表示；3将根据步骤2向量化后的特征信息输入到Stacking模型进行训练，使用五折交叉验证方法降低过拟合的概率，同时优化安卓隐私泄露检测模型，并输出优化后的模型；4根据步骤2提取安卓应用软件所涉及的敏感权限特征信息和敏感API特征信息，并结合步骤3所得到优化后的模型进行安卓隐私泄露检测，判断应用软件是否具有隐私泄露的风险，若模型检测结果为“1”，代表安卓应用软件具有隐私泄露的风险；模型检测结果为“0”，代表安卓应用软件不具有隐私泄露的风险；所述步骤2具体是指：提取安卓应用软件的关键特征，使用AAPT工具获取安卓应用软件所申请的权限信息，动态安装运行安卓应用软件，使用Xposed框架进行实时监控，截获并记录安卓应用软件的敏感API特征信息，再使用One-Hot编码方法对截获的敏感权限特征信息和敏感API特征信息进行向量化表示；所述步骤3中的Stacking模型是由两层结构组成，第一层为基学习器，是由逻辑回归、朴素贝叶斯和K-近邻算法三个初级分类器共同构成，第二层为结合学习器，由支持向量机算法构成。
全文数据：
权利要求：
百度查询： 天津理工大学 一种基于机器学习的安卓隐私泄露检测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号