[发明专利]一种基于LSTM神经网络的手机应用分类方法有效
| 申请号： | 201710913763.9 | 申请日： | 2017-09-30 |
| 公开（公告）号： | CN107729927B | 公开（公告）日： | 2020-12-18 |
| 发明（设计）人： | 魏松杰;时召伟;罗娜;吴超 | 申请（专利权）人： | 南京理工大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08;G06N20/00 |
| 代理公司： | 南京理工大学专利中心 32203 | 代理人： | 马鲁晋 |
| 地址： | 210094 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出了一种基于LSTM神经网络的手机应用分类方法，属于移动终端软件安全技术领域。首先通过触发构造的场景事件组合来模拟不同功能类别的手机应用运行状态，并提取有效的动态行为特征数据构建动态行为特征序列，通过构建的LSTM神经网络分类模型，对这些动态事件行为时序序列中潜在的行为模式进行学习得到手机应用样本的分类结果。本发明提出的基于LSTM神经网络的手机应用分类方法能够有效地学习与归纳不同类别的典型的手机应用的网络行为模式，最佳模型的平均分类准确率达到93.79％，优于常见的面向Android应用的机器学习分类器，可用于预测与评审未知应用的可信性与恶意性。 | ||
| 搜索关键词： | 一种 基于 lstm 神经网络 手机 应用 分类 方法 | ||
【主权项】：
一种基于LSTM神经网络的手机应用分类方法，其特征在于，具体步骤为：步骤1、构造场景事件并运行手机应用样本，获取手机应用样本的动态行为特征数据；步骤2、对步骤1中获取的手机应用样本的动态行为特征数据进行预处理，并构建触发的场景事件的动态行为特征序列；步骤3、构造LSTM神经网络分类模型；步骤4、将动态行为特征序列输入至LSTM神经网络分类模型进行学习，得到手机应用样本的分类结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京理工大学，未经南京理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710913763.9/，转载请声明来源钻瓜专利网。
- 上一篇：一种地磁停车位检测方法
- 下一篇：动态曲线图生成方法
