[发明专利]移动应用程序的特征提取方法

说明书

本发明公开了一种移动应用程序的特征提取方法，包括：步骤1，提取函数调用图：利用提取工具提取所检测的移动应用程序的函数调用图；步骤2，对函数调用图编码：对所述函数调用图的各函数节点进行边遍历边编码形成各函数节点的编码向量；步骤3，提取特征信息：根据编码得到的函数调用图的各函数节点的编码向量提取所述移动应用程序的特征信息。该方法能快速、准确的提取移动应用程序的特征信息，通过特征信息能全面综合的刻画移动应用程序的行为特征，利用各移动应用程序的特征表示之间的距离能衡量各移动应用程序的行为差异，进而可以实现对移动应用程序功能分类、恶意应用检测、恶意应用家族分类以及应用版本/盗版检测等处理。

技术领域

本发明涉及移动应用的安全领域，尤其涉及一种移动应用程序的特征提取方法。

背景技术

现如今，大量的移动应用程序(即运行于移动设备的应用程序)被开发为用户提供丰富的服务，这些服务涉及到新闻、天气、社交、娱乐以及医疗、健康、财务等与个人重要信息相关的关键事务。然而，移动应用程序在提供丰富的功能的同时，也带来了严峻的挑战。首先，面对数百万的移动应用程序，应用市场很难高效地组织和管理这些移动应用程序；其次，对移动应用程序的不精确刻画和描述，使得用户很难准确且快速地定位到自己感兴趣的应用；最后，一些开发者受利益驱使，开发恶意应用盗取用户信息，或剽窃他人开发的应用，破坏了开发者的知识产权。因此，对移动应用的行为进行深层次的理解和刻画显得至关重要。

现有的移动应用程序行为分析工作可以分为以下几种方式：第一种方式是在源代码层面执行静态、动态或动静态结合的分析，这类分析模型通常负载较高，并且随着移动应用功能越来越复杂，一些应用难以进行有效且高效的分析。第二种方式是利用有监督的学习模型实现某个特定的分类任务，通过预定义特征(如权限、调用函数)或利用监督式学习模型(如循环神经网络、深度信念网络)提取特征，这种方式的局限是任务导向型，难以全面地刻画各式各样的移动应用程序的行为，不能同时实现上述多个任务。

发明内容

基于现有技术所存在的问题，本发明的目的是提供一种移动应用程序的特征提取方法，能快速准确的提取移动应用程序的特征，进而实现全面地检测各式各样的移动应用程序。

本发明的目的是通过以下技术方案实现的：

本发明实施方式提供一种移动应用程序的特征提取方法，包括：

步骤1，提取函数调用图：利用提取工具提取所检测的移动应用程序的函数调用图；

步骤2，对函数调用图编码：对所述函数调用图的各函数节点进行边遍历边编码形成各函数节点的编码向量；

步骤3，提取特征信息：根据编码得到的函数调用图的各函数节点的编码向量提取所述移动应用程序的特征信息。

由上述本发明提供的技术方案可以看出，本发明实施例提供的手机应用程序的特征提取方法，其有益效果为：

该方法通过先提取函数调用图，再对函数调用图编码后得到的编码向量为依据，从中能一次提取得到移动应用程序的特征信息，该特征信息能实现各种各样的移动应用程序的行为分析任务，如：移动应用功能分类、恶意应用检测、恶意应用家族分类以及应用版本/盗版检测，即能够全面地刻画移动应用的行为。该方法由于对函数调用图进行编码再提取特征信息，提取的移动应用程序的特征信息紧凑，存储开销小，且移动应用程序的特征信息通用性强，可以应用到各种任务场景；移动应用程序的特征信息提取过程简洁高效；移动应用程序的特征信息的鲁棒性强，普适性好，应用前景广泛。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。