面向Android智能手机异常入侵检测的在线学习算法

页码 计算机应用研究 第28卷收稿日期：2014-00-00；修回日期： 基金项目：基金项目1全称(基金项目号)；基金项目2全称(基金项目号)；作者简介: 葛唯唯(1989－)，女(汉族)，江苏南通人，硕士研究生，主要研究方向为网络安全( HYPERLINK "mailto:yunshi629@163.com" yunshi629@163.com)；刘渊(1967－)，男，教授，硕士生导师，主要研究方向为计算机网络安全、数字媒体(邮箱)。第 卷第 期 计算机应用研究 Vol.29 No.12015年10期 Application Research of Computers Jan. 2015 基金项目：江苏省自然基金重点(BK2011003);国家自然基金作者简介: 葛唯唯(1989－)，女(汉族)，江苏南通人，硕士研究生，主要研究方向为网络安全( HYPERLINK "mailto:yunshi629@163.com" yunshi629@163.com)；刘渊(1967－)，男，教授，硕士生导师，主要研究方向为计算机网络安全、数字媒体(lyuan1800@)。 MACROBUTTON MTEditEquationSection2 SEQ MTEqn \r \h \* MERGEFORMAT SEQ MTSec \r 1 \h \* MERGEFORMAT SEQ MTChap \r 1 \h \* MERGEFORMAT 面向Android系统安全分析的在线学习算法研究葛唯唯，刘 渊(江南大学 数字媒体学院 江苏 无锡 214122)摘 要：针对当前移动终端使用中存在的安全隐患，研究了一种新的面向Android移动终端的入侵检测算法。首先是在Android平台上收集移动终端内核信息并进行预处理，通过引入快速核密度估计Fast Kernel Density Estimation(FastKDE)算法对收集到的大规模样本进行压缩，得到数量合理的训练样本，然后结合在线增量学习算法，利用支持向量机(SVM)算法对处理后的数据进行判别以识别出入侵。实验结果表明，该方法极大缩短了训练时间，检测性能逐步达到最佳，具有较好的可扩展性和自提升能力。关键词：Android移动终端；入侵检测；快速核密度估计；支持向量机；在线学习中图分类号:TP393　　 Study of online learning algorithm oriented to Android security analysisGE Wei-wei, LIU Yuan(School of Digital Media, Jiangnan University, Wuxi Jiangsu, 214122)Abstract:In order to solve hidden security risks of mobile terminal, a new intrusion detection algorithm for Android mobile terminal is proposed. Firstly, the proposed system normalized kernel information, which is collected on the Android platform. And obtain a reasonable number of training samples by introducing Fast Kernel Density Estimation algorithm (FastKDE). Based on incremental learning online algorithm, using Support Vector Machine(SVM) which is good at handling classification of small sample data, and determines whether it was invaded or not. The experimental results show that this method gre