[发明专利]一种基于反编译模块特征的android广告插件检测方法

摘要

本发明公开了一种基于反编译模块特征的android广告插件检测方法，具体步骤如下：首先收集具有广告插件的样本android应用，并反编译成Java文件；以Java文件的二级包名为分界点进行模块分解；对于各个模块标记为广告插件模块和非广告插件模块；然后，提取各个模块的词数特征序列，组成模块集合；构造映射向量将模块集合中的元素都映射到特征空间向量S中；将特征空间向量S输入到分类器，对分类器进行学习训练，实现对检测模块的自动进行二分类；最后，利用训练好的分类器，对未知的应用样本进行广告插件的检测。优点在于：简化了模块划分的过程，提高了模块划分的效率，能够短时间检测大量移动应用程序，实现了快速检测移动应用中所包含的广告插件。

主权项

1.一种基于反编译模块特征的android广告插件检测方法，其特征在于，具体步骤如下：步骤一、收集具有广告插件的样本Android应用，并对每个样本Android应用反编译成Java文件；步骤二、扫描并记录Java文件所有的包名路径，以二级包名为分界点，对每个样本Android应用进行模块分解；针对每个样本Android应用，以二级包名为分界点，将具有相同的一、二级包名的包文件规划到同一个模块中，将每个样本Android应用分解为m个不同的模块；m为根据应用大小确定的整数；步骤三、对于每个样本Android应用分解的各个模块，按是否含有广告插件包名，分别标记为广告插件模块和非广告插件模块；步骤四、提取每个样本Android应用中各个模块的词数特征，得到每个模块的特征序列；步骤五、把每个样本Android应用的m个模块的特征序列组成模块集合；每一个模块的数字序列作为模块集合中的一个元素；步骤六、构造映射向量将模块集合中的元素都映射到特征空间向量S中；步骤七、将特征空间向量S输入到分类器，对分类器进行学习训练，自动实现对检测模块进行二分类；采用KNN算法对进行标记的广告插件模块和非广告插件模块进学习训练；步骤八、利用训练好的分类器，对未知的应用样本进行广告插件的检测。