使用深度学习的混合恶意代码检测 关于 这是一种基于深度学习的混合恶意代码检测方法的Keras实现。 基本上，它是由自动编码器和深度信任网络组成的混合模型。 有关数据集的详细信息，请。 Python依赖 脾气暴躁的 凯拉斯 大熊猫 Scikit学习 张量流 环境设定 如果使用Python Ananconda Environment，则更可取。 您可以从下载 使用以下命令创建新的conda环境： conda create -n hybrid-code python=3.5 通过运行以下代码来激活环境： source activate hybrid-code 要安装所需的库，请运行以下命令：

为了有效地检测 Android 平台上的恶意软件，提出了一种基于敏感权限及其函数调用 流程图的静态综合检测方法．通过对恶意软件进行逆向工程分析，构建了包含恶意代码敏感权 限与函数调用图的特征库．并采用 Munkres 匈牙利算法计算待测样本与特征库在相同敏感权 限下两个函数调用图之间的编辑距离，得到两个函数调用图之间的相似性，进而得到两个应用 程序之间的相似性，据此对恶意软件进行检测识别．实验结果表明，该检测方法具有较高的准 确性与有效性，检测效果明显优于工具 Androguard．