摘要：近年来，基于Android平台的勒索软件呈现爆发式增长趋势，同时恶意行为也正在不断的进化.Android勒索软件专门以用户智能设备和隐私文件为攻击目标，给受害者带来了严重的精神和财产损失.该文提出了一种轻量化的勒索软件检测方法，能够在应用安装到手机之前发现潜在的勒索风险.通过广泛收集2721个勒索软件样本，并对这些样本进行深入分析，该文在勒索软件锁屏、加密、权限、威胁文本、支付方式和网络通信等方面提取特征，利用模块化规则归纳学习算法实时检测风险.另外，基于自然语言生成技术提出了一种证据链生成方法，将待检测应用的外围信息和匹配的分类规则以普通用户能够理解的方式展现，帮助非专业用户做出合理的决策.最终实验表明，所实现系统能够达到95%的检测准确率，90%的普通用户表示能够正常理解证据链描述，性能分析结果证明系统能够满足智能手机实时检测的需求.
分类：期刊> 自然科学与工程技术> 信息科技> 电子信息科学综合
收录：北大期刊(中国人文社会科学期刊) > CSCD 中国科学引文数据库来源期刊(含扩展版) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > EI 工程索引(美) > SA 科学文摘(英) > JST 日本科学技术振兴机构数据库(日) > 剑桥科学文摘 > 国家图书馆馆藏 > 上海图书馆馆藏 > 文摘与引文数据库 > 数学文摘
关键词：android 勒索软件 模块化规则归纳学习 自然语言生成 证据链 静态分析
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
