基于決策樹的惡意應(yīng)用軟件檢測方法

龔華堂

摘要： 為了能夠更精準(zhǔn)檢測惡意應(yīng)用軟件，保證計(jì)算機(jī)或個人移動中終端的數(shù)據(jù)安全以及個人財(cái)產(chǎn)安全，需要對傳統(tǒng)的惡意應(yīng)用軟件檢測方法進(jìn)行改良，因此基于決策樹對惡意應(yīng)用軟件檢測方法進(jìn)行研究。研究基本的決策樹算法，分析得到?jīng)Q策樹算法在惡意應(yīng)用軟件檢測過程中的兩種應(yīng)用方式，并分別闡述CART決策樹生成算法與CART決策樹剪枝算法的應(yīng)用原理。提取數(shù)據(jù)集中的樣本特征、構(gòu)建相應(yīng)的樣本特征數(shù)據(jù)集，基于決策樹進(jìn)行相應(yīng)的樣本特征篩選，并研究該算法的訓(xùn)練方法。最后設(shè)計(jì)實(shí)驗(yàn)，驗(yàn)證基于決策樹的惡意應(yīng)用軟件檢測方法達(dá)成了研究目的，具備算法的優(yōu)越性和實(shí)用性。

關(guān)鍵詞：決策樹;惡意應(yīng)用軟件;Android系統(tǒng)

中圖分類號：TP311? ? ? 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2021）12-0049-02

人們在使用手機(jī)和電腦時，必然離不開對應(yīng)用軟件的操作，因此由應(yīng)用軟件衍生而來的惡意軟件就成了當(dāng)前互聯(lián)網(wǎng)和計(jì)算機(jī)最重要的威脅。如果放任惡意軟件在計(jì)算機(jī)中運(yùn)行，很有可能對計(jì)算機(jī)系統(tǒng)本身造成威脅[1]。因此想要保證互聯(lián)網(wǎng)環(huán)境的安全性，就需要首先確保個人設(shè)備中不會混入惡意應(yīng)用程序，這就需要相關(guān)研發(fā)人員對于能夠檢測惡意應(yīng)用軟件的系統(tǒng)進(jìn)行研究。因此本文使用決策樹對惡意應(yīng)用軟件檢測方法進(jìn)行研究。

1 決策樹算法研究

本文的決策樹主要用于檢測惡意應(yīng)用軟件，因此使用CART決策樹作為本文的算法。CART決策樹是一個樹狀的結(jié)構(gòu)，通過基尼指數(shù)的檢驗(yàn)，測試特征的不同，通過根節(jié)點(diǎn)逐一分裂，如此在分裂的過程中收集性狀特征，逐漸達(dá)到子節(jié)點(diǎn)[2]。

在檢測惡意應(yīng)用軟件時，需要兩種對于CART決策樹的應(yīng)用方式，其一便是在遍歷惡意軟件時的CART決策樹生成算法，CART決策樹生成算法是CART回歸樹中最簡單的特征劃分算法，使用了最小平方化的原則，以完成二叉樹的構(gòu)建[3]。首先輸入訓(xùn)練集，終止所有已知條件，輸出CART決策回歸樹[f（x）]，此時應(yīng)通過以下公式選擇最優(yōu)切分變量：

其中[j]表示所求的最優(yōu)切分變量;[s]表示待切分點(diǎn);通過將所有最優(yōu)切分變量遍歷，得到所有能夠切分點(diǎn)子樹樹枝，并得到公式（1）中數(shù)值最小的切分插入點(diǎn)[（j，s）]。

需要將已經(jīng)選定的[（j，s）]點(diǎn)劃分出相應(yīng)的區(qū)域，并輸出切分點(diǎn)的最優(yōu)變量值，此時得到的只是區(qū)域最優(yōu)變量，若想要計(jì)算出全局最優(yōu)解，還需要不斷重復(fù)以上兩個步驟的遞歸程序，直至滿足性狀特征條件。設(shè)定每一個性狀特征都是一個子樹樹葉，就能夠得到如下所示的決策樹生成表達(dá)式：

式中，[M]表示輸入空間的總個數(shù)，即該決策樹將空間劃分為[M]個不相交的區(qū)域[R1，R2，R3，…，RM];[m]則表示每個區(qū)域的一個子樹葉片，且滿足[x∈Rm]。

CART決策樹的應(yīng)用方式是在檢測到惡意應(yīng)用軟件刪除以上過程中生成數(shù)據(jù)時所需要的CART決策樹剪枝算法，剪枝的過程實(shí)際上就是一個將算法簡化的過程，檢測惡意應(yīng)用軟件的目的達(dá)成以后，就需要刪除一些已經(jīng)不需要的底端子樹，因此需要在CART決策應(yīng)用樹中先后進(jìn)行兩步操作[4]。決策樹的剪枝操作需要從底端開始，逐步操作至根節(jié)點(diǎn)，就能夠獲得經(jīng)過修剪的決策樹[{T0，T1，T2，…，Tn}]。可以通過驗(yàn)證法，交叉驗(yàn)證獨(dú)立集合中的決策樹，對其進(jìn)行測試，選擇一條最優(yōu)的子樹[5]。

2 惡意應(yīng)用軟件檢測方法研究

2.1 特征向量的提取和構(gòu)建

在研究檢測方法時，為了方便設(shè)計(jì)算法以及驗(yàn)證算法的準(zhǔn)確性，均需要首先構(gòu)建數(shù)據(jù)集，在本文中，構(gòu)建數(shù)據(jù)集時需要大量的良性應(yīng)用軟件和惡意應(yīng)用軟件，使良性應(yīng)用軟件和惡意應(yīng)用軟件達(dá)到1：1的比例。在數(shù)據(jù)集中提取特征向量并構(gòu)建基于決策樹的類別特征。

在得到了.txt的數(shù)據(jù)集集合后，就能夠?qū)υ摂?shù)據(jù)集中的所有文件名稱進(jìn)行操作，通過讀取和去重，能夠獲得數(shù)據(jù)及樣本的特征向量，并與數(shù)據(jù)集中的每一個樣本比對。若存在與之相仿的文件則標(biāo)注為1，若不存在與之相對應(yīng)的文件則標(biāo)注為0，以1和0作為樣本特征的標(biāo)簽，并以此構(gòu)建樣本的特征向量集合。獲得標(biāo)簽后，還需要再次處理已經(jīng)集結(jié)為集合的特征文件，以便之后的樣本訓(xùn)練。假設(shè)特征數(shù)據(jù)集中共有N個樣本，可以設(shè)計(jì)樣本總體特征與樣本單體特征的對比函數(shù)關(guān)系式，獲取了特征向量的維度分析結(jié)果之后，需要首先對該特征向量維度進(jìn)行壓縮操作，之后再進(jìn)行特征的判別。

2.2 基于決策樹的特征篩選

在上文計(jì)算得到特征向量之后，還需要基于決策樹對這些向量進(jìn)行特征的篩選，以尋找到混雜在良性應(yīng)用軟件之中的惡意應(yīng)用軟件，本文使用特征重要度的度量進(jìn)行特征篩選。對于上文中構(gòu)建的數(shù)據(jù)集，假設(shè)其中共有y個樣本，其中惡意應(yīng)用軟件在樣本集中的比例為[p2]，則此時可以使用基尼指數(shù)進(jìn)行樣本集中CART決策樹的生成操作。由此，對樣本特征數(shù)據(jù)集所得到相應(yīng)的特征進(jìn)行評分，以評分進(jìn)行篩選，其篩選過程如下所示：

其中，[F1，F(xiàn)2，…，F(xiàn)N]表示數(shù)據(jù)特征集合;[FS1，F(xiàn)S2，…，F(xiàn)Sk]表示這些數(shù)據(jù)集合中各項(xiàng)數(shù)據(jù)所對應(yīng)的評分。此時應(yīng)設(shè)置一個特征閾值，若超過閾值，則可以將其篩選出來。其中[FSk]就表示第k個被篩選出來的特征。

2.3 算法訓(xùn)練集成方法研究

將以上特征的提取與篩選進(jìn)行整合之后，就可以設(shè)計(jì)該惡意應(yīng)用軟件的檢測方法如圖1所示。

如上圖所示，將上文中的樣本特征集合分別進(jìn)行訓(xùn)練并將其分類，通過對樣本的劃分，可以得到整個算法的訓(xùn)練集，將這些訓(xùn)練集統(tǒng)一測試，得到Roting的結(jié)果，經(jīng)過投票處理之后，對各個子結(jié)果統(tǒng)一合并，才能得到最終的結(jié)果。將最終的結(jié)果輸出，就可以將此作為一個數(shù)據(jù)集中惡意應(yīng)用軟件和良性應(yīng)用軟件的評判結(jié)果。

3 實(shí)驗(yàn)設(shè)計(jì)

為了確定本文研究的基于決策樹的惡意應(yīng)用軟件檢測方法是否能夠達(dá)成研究目的，在檢測精度、檢測過后的算法冗余度、檢測效率等方面的綜合成績優(yōu)于傳統(tǒng)的幾種算法，設(shè)計(jì)對比實(shí)驗(yàn)進(jìn)行驗(yàn)證。

3.1 實(shí)驗(yàn)環(huán)境設(shè)置

本實(shí)驗(yàn)在設(shè)置實(shí)驗(yàn)環(huán)境時應(yīng)分為計(jì)算機(jī)的測試環(huán)境與移動通信設(shè)備的測試環(huán)境，基本的環(huán)境參數(shù)如下所示：計(jì)算機(jī)設(shè)備包括Intel Core -2440（八核）i7-4230 5.1GHz 的CPU、8GB運(yùn)行內(nèi)存、MS SQL Server 2012惡意軟件樣本數(shù)據(jù)庫;個人移動端包括Core i7-2550 CPU（八核）4.20 GHz處理器、8GB運(yùn)行內(nèi)存、Weka3.8軟件環(huán)境。使用Python軟件將上文中研究的檢測方法編寫出來，裝載于計(jì)算機(jī)設(shè)備中，再利用Weka軟件將以上程序?qū)雮€人移動終端中，作為實(shí)驗(yàn)中的惡意應(yīng)用軟件檢測程序。設(shè)置惡意應(yīng)用軟件樣本數(shù)據(jù)集，收集2000個軟件樣本作為樣本數(shù)據(jù)，其中200個為惡意應(yīng)用軟件。將這500個軟件樣本分為數(shù)量不一的10組，每組的良性應(yīng)用軟件和惡意應(yīng)用軟件數(shù)量不一，分組將這些應(yīng)用軟件裝載進(jìn)計(jì)算機(jī)設(shè)備和個人移動終端中。分別使用本文研究的基于決策樹的惡意應(yīng)用軟件檢測方法、傳統(tǒng)的基于隨機(jī)森林算法的惡意應(yīng)用軟件方法、基于機(jī)器學(xué)習(xí)的惡意應(yīng)用軟件方法這三種方法對以上的惡意應(yīng)用軟件進(jìn)行檢測。通過對檢測精度以及檢測過后的算法冗余度進(jìn)行檢測，判斷其算法的實(shí)用性及優(yōu)越性。

3.2 實(shí)驗(yàn)結(jié)果分析

通過以上四個公式的計(jì)算，可以得到四組對于惡意應(yīng)用軟件檢測算法實(shí)用性的衡量數(shù)據(jù)，使用Matlab軟件對其進(jìn)行分析整理。

通過統(tǒng)計(jì)能夠得到如表1所示的實(shí)驗(yàn)結(jié)果。

通過表1可以得知，在以上10次測試的精度檢測中，基于決策樹的惡意應(yīng)用軟件檢測方法高于基于隨機(jī)森林算法的惡意應(yīng)用軟件檢測方法，卻與基于機(jī)器學(xué)習(xí)的惡意應(yīng)用軟件檢測方法精度相仿;在算法冗余度的測試中，本文研究的算法與基于隨機(jī)森林算法的惡意應(yīng)用軟件檢測方法相差不大，卻遠(yuǎn)高于基于機(jī)器學(xué)習(xí)的惡意應(yīng)用軟件檢測方法。基于綜合考慮，本文研究的算法擁有較高的檢測精度，在檢測過后算法冗余度的計(jì)算中也冗余量較少，因此相較于其他兩種算法具備更好的實(shí)用性和優(yōu)越性。

4 結(jié)束語

本文為了解決原始的惡意應(yīng)用軟件檢測方法應(yīng)用效果不理想的問題，提出了一種基于決策樹的惡意應(yīng)用軟件檢測方法，對決策樹算法進(jìn)行了簡要的分析，并將這種算法帶入到了惡意應(yīng)用軟件檢測方法中。對比實(shí)驗(yàn)中通過對樣本數(shù)據(jù)的檢測對比分析，驗(yàn)證了該種惡意應(yīng)用軟件檢測方法的實(shí)用性和優(yōu)越性。

參考文獻(xiàn)：

[1] 馮垚，王金雙，張雪濤.基于特征生成方法的Android惡意軟件檢測方法[J].信息技術(shù)與網(wǎng)絡(luò)安全，2020，39（11）：8-13.

[2] 管峻，劉慧英，毛保磊，等.基于API配對的Android惡意應(yīng)用檢測[J].西北工業(yè)大學(xué)學(xué)報(bào)，2020，38（5）：965-970.

[3] 超凡，楊智，杜學(xué)繪，等.基于深度神經(jīng)網(wǎng)絡(luò)的Android惡意軟件檢測方法[J].網(wǎng)絡(luò)與信息安全學(xué)報(bào)，2020，6（5）：67-79.

[4] 陳怡，唐迪，鄒維.基于深度學(xué)習(xí)的Android惡意軟件檢測：成果與挑戰(zhàn)[J].電子與信息學(xué)報(bào)，2020，42（9）：2082-2094.

[5] 龐夢洋，索中英，鄭萬澤，等.基于RS-CART決策樹的航空發(fā)動機(jī)小樣本故障診斷[J].航空動力學(xué)報(bào)，2020，35（7）：1559-1568.

【通聯(lián)編輯：張薇】