本文選題：頻譜倒譜系數　切入點：高斯混合模型　出處：《電子科技大學學報》2016年06期

【摘要】：該文提出一種基于電量分析的惡意軟件檢測方法。首先獲取移動終端的耗電狀態(tài)并利用Mel頻譜倒譜系數(MFCC)構建高斯混合模型(GMM)。然后采用GMM模型對電量消耗狀態(tài)進行分析,進而通過對應用軟件的分類處理識別惡意軟件。實驗證明應用軟件的功能與電量消耗關系密切,表明基于軟件的電量消耗信息分析可以較準確地檢測出移動終端的惡意應用。
[Abstract]:This paper presents a method for detecting malware based on power analysis.Firstly, the state of power consumption of mobile terminal is obtained and the Gao Si hybrid model is constructed by using Mel cepstrum coefficient (MFCC).Then the GMM model is used to analyze the state of electricity consumption, and then the malware is identified by the classification of the application software.The experiment proves that the function of the application software is closely related to the consumption of electricity, which indicates that the analysis of the consumption information based on the software can detect the malicious application of the mobile terminal more accurately.
【作者單位】： 中國民航大學計算機科學與技術學院;
【基金】：國家自然科學基金(60776807,61179045) 國家科技重大專項基金(2012ZX03002002) 中國民航科技基金(MHRD201009,MHRD201205) 中央高校基本科研業(yè)務費專項(3122014D033)
【分類號】：TP316;TP309

【相似文獻】

相關期刊論文 前10條

1 李斌;馮斌;;防治惡意軟件的幾點思考[J];法制與社會;2007年01期

2 劉香;;淺談“惡意軟件”的分類及治理措施[J];信息網絡安全;2007年03期

3 王江民;;建議將惡意軟件改稱有害軟件[J];網絡安全技術與應用;2007年04期

4 李志祥;;應對“惡意軟件”的策略[J];農村電工;2008年02期

5 千堆棧;;惡意軟件隱藏危險多多[J];計算機安全;2008年05期

6 鄭淑蓉;;“惡意軟件”的危害及其治理[J];生產力研究;2009年02期

7 ZDNet;;惡意軟件的十條真相[J];網絡與信息;2010年04期

8 ;手機惡意軟件已經兵臨城下[J];計算機與網絡;2012年09期

9 涂凡;;淺談計算機惡意軟件及防范對策[J];計算機光盤軟件與應用;2013年03期

10 Mike Fey;;應對高級惡意軟件的兩大誤解[J];微電腦世界;2013年10期

相關會議論文 前4條

1 魏玉鵬;向陽;邊殿田;;惡意軟件關鍵技術及應對策略研究[A];第一屆中國高校通信類院系學術研討會論文集[C];2007年

2 張健;吳功宜;杜振華;;惡意軟件防治產品檢測技術和標準的研究[A];全國計算機安全學術交流會論文集·第二十五卷[C];2010年

3 吳葉科;陳波;宋如順;;虛擬化惡意軟件及其檢測技術研究[A];全國計算機安全學術交流會論文集（第二十四卷）[C];2009年

4 謝文軍;于振華;韓林;;車聯(lián)網中惡意軟件傳播過程建模與仿真研究[A];系統(tǒng)仿真技術及其應用學術論文集（第15卷）[C];2014年

相關重要報紙文章 前10條

1 毛濤濤;惡意軟件政府監(jiān)管呼之欲出[N];北京商報;2006年

2 記者　 舒晴;反惡意軟件進入重點攻堅階段[N];中國改革報;2007年

3 伊明;惡意軟件舉報機制將建立[N];中國稅務報;2007年

4 葉凡;反惡意軟件運動進入重點攻堅階段[N];中國高新技術產業(yè)導報;2007年

5 春秋;反惡意軟件運動進入“重點攻堅”階段[N];國際商報;2007年

6 張曉兵;看透惡意軟件四大技術伎倆[N];中國計算機報;2007年

7 張曉兵;個人預防惡意軟件“三段論”[N];中國計算機報;2007年

8 申明;“全球40%惡意軟件源于北京”說明了什么[N];科技日報;2007年

9 古月濱;軟件協(xié)會群策群力呼吁政府“懲惡”[N];民營經濟報;2006年

10 ;我國反惡意軟件工作進入攻堅階段[N];人民郵電;2007年

相關博士學位論文 前2條

1 劉新;基于機器學習的惡意軟件分析方法與智能檢測技術研究[D];湘潭大學;2014年

2 孟超;基于云計算的病毒惡意軟件分析研究[D];南京航空航天大學;2013年

相關碩士學位論文 前10條

1 劉小坤;Android惡意軟件樣本分析系統(tǒng)的設計與實現(xiàn)[D];華南理工大學;2015年

2 張帆;基于權限分析與流量監(jiān)控的惡意軟件檢測與防護機制研究[D];北京交通大學;2016年

3 張金鑫;移動終端惡意軟件檢測與防護技術的研究與實現(xiàn)[D];東南大學;2015年

4 李駿驍;基于監(jiān)督型機器學習分類方法的Android惡意軟件檢測技術研究[D];南京大學;2014年

5 周志勝;基于程序數據值的惡意軟件變種識別研究與實現(xiàn)[D];南京大學;2014年

6 阮豪;基于內核的安卓程序實時行為分析方法研究[D];南京大學;2016年

7 洪明泉;某金融行業(yè)虛擬化的安全設計與應用[D];福州大學;2014年

8 劉海光;基于用戶診斷方式的反惡意軟件系統(tǒng)的研究與實現(xiàn)[D];四川師范大學;2008年

9 甄真;在虛擬環(huán)境中揭示惡意軟件的行為[D];山東大學;2012年

10 汪歡;安卓移動智能終端的惡意軟件檢測與分析方法[D];南京理工大學;2014年

，

本文編號：1705776