本文探讨了基于大数据和机器学习的Android恶意软件检测方法，包括DroidMat和ANDRUBIS等工具，利用静态和动态分析技术，以及敏感行为特征来识别恶意应用。通过K-means和支持向量机等算法提升检测准确性，达到96%的检测精度。
关于weka
第一个问题
我不想知道大数据和机器学习都有那些方法。最快捷的路径是：
大数据和机器学习在这方面都有什么应用？
关键字：malware detection
两篇比较重要的文档：
分别介绍了两个android恶意监测软件DroidMat以及ANDRUBIS。
1.DroidMat: Android Malware Detection through Manifest and API Calls Tracing
2.ANDRUBIS - 1,000,000 Apps Later:
A View on Current Android Malware Behaviors
=========================
DroidMat: Android Malware Detection through Manifest and API Calls Tracing
地址是：
http://ieeexplore.ieee.org/xpls/icp.jsp?arnumber=6298136&tag=1#citedby-section
主要涉及的是静态分析
=========================
Android anomaly detection system using machine learning classification（比较浅显易懂的一篇）
地址：
扫一扫
3280
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
