基于内核日志的移动终端恶意软件精准检测

本文主要探讨了一种基于系统内核日志的移动终端恶意软件检测方法。在移动设备的智能化背景下，随着个人隐私信息的增加和恶意应用的频繁出现，保护用户隐私和安全成为一项重要任务。作者李建熠、李晖和黄梦媛针对这一问题，提出了一种利用内核日志来识别应用程序行为的策略。 首先，他们从市场上获取恶意应用和良性应用样本，然后在相同的环境下运行这些应用，收集它们的系统内核调用日志信息。内核日志记录了操作系统核心模块与应用程序之间的交互，这些信息包含了应用执行过程中的关键操作，是检测恶意行为的重要依据。 收集到的日志数据被转化为原始数据后，进行规范化处理，以消除不同设备或环境对数据的影响，使其标准化。接着，他们使用K-Means聚类算法对这些规范化后的数据进行分析，将其转换为可分析的输入向量。K-Means是一种无监督学习算法，通过计算各个数据点与各个聚类中心的距离，将数据分为两个聚类簇，分别代表恶意应用和良性应用的行为模式。 实验部分，作者借助机器学习工具WEKA对提出的算法进行了验证，结果显示这种方法能够有效地区分恶意应用和良性应用，具有较高的准确性和鲁棒性。他们的工作结果表明，基于内核日志的检测方法能够提供一种新颖且实用的手段，帮助检测和预防移动终端上的恶意软件活动，保护用户的隐私和设备安全。 总结起来，本文的研究贡献在于： 1. 提出了一个基于内核日志的移动终端恶意软件检测框架，利用系统内核调用日志作为特征来识别恶意行为。 2. 实现了数据预处理和聚类分析，展示了K-Means算法在恶意软件检测中的应用。 3. 通过实验验证了所提方法的有效性和实用性，为移动终端安全防护提供了一种新的思路。 关键词：移动终端、恶意软件检测、内核日志、K-Means聚类算法 参考文献格式： 李建熠，李晖，黄梦媛. 基于内核日志的移动终端恶意软件检测[J]. 信息网络安全，2015，(7):58-63. 通过这个方法，研究人员可以继续深入研究，优化算法性能，或者探索其他类型的内核日志特征，以进一步提高恶意软件检测的准确性和效率。