您的位置: 专家智库 > >

唐瑞文

作品数:3 被引量:5H指数:1
供职机构:中国民航大学计算机科学与技术学院更多>>
发文基金:中央高校基本科研业务费专项资金国家自然科学基金国家科技重大专项更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 2篇期刊文章
  • 1篇会议论文

领域

  • 2篇自动化与计算...

主题

  • 3篇电量消耗
  • 3篇ANDROI...
  • 2篇倒谱
  • 2篇倒谱系数
  • 2篇移动终端
  • 2篇谱系数
  • 2篇终端
  • 1篇频谱
  • 1篇混合模型
  • 1篇恶意
  • 1篇恶意软件
  • 1篇高斯
  • 1篇高斯混合
  • 1篇高斯混合模型

机构

  • 3篇中国民航大学

作者

  • 3篇杨宏宇
  • 3篇唐瑞文

传媒

  • 1篇清华大学学报...
  • 1篇电子科技大学...
  • 1篇第八届信息安...

年份

  • 1篇2017
  • 1篇2016
  • 1篇2015
3 条 记 录,以下是 1-3
排序方式:
基于电量消耗的Android平台恶意软件检测
Android平台沙箱机制阻止安全防护软件获取有效信息检查恶意软件的缺陷,提出一种基于电量分析的恶意软件检测方法.首先获取移动终端的电池消耗状态信息,利用Mel频谱倒谱系数(Mel Frequency Cepstral ...
杨宏宇唐瑞文
关键词:恶意软件
基于耗电分析的Android平台恶意软件检测被引量:1
2016年
该文提出一种基于电量分析的恶意软件检测方法。首先获取移动终端的耗电状态并利用Mel频谱倒谱系数(MFCC)构建高斯混合模型(GMM)。然后采用GMM模型对电量消耗状态进行分析,进而通过对应用软件的分类处理识别恶意软件。实验证明应用软件的功能与电量消耗关系密切,表明基于软件的电量消耗信息分析可以较准确地检测出移动终端的恶意应用。
杨宏宇唐瑞文
关键词:高斯混合模型移动终端电量消耗
基于电量消耗的Android平台恶意软件检测被引量:4
2017年
根据Android应用在运行期的耗电时序波形与声波信号类似的特点,该文提出了一种基于Mel频谱倒谱系数(Mel frequency cepstral coefficients,MFCC)的恶意软件检测算法。首先计算耗电时序波形的MFCC,根据MFCC的分布构建Gauss混合模型(Gaussian mixture model,GMM)。然后采用GMM对电量消耗进行分析,通过对应用软件的分类处理识别恶意软件。实验证明:应用软件的功能与电量消耗关系密切,并且基于软件的电量消耗信息分析可以较准确地对移动终端的恶意软件进行检测。
杨宏宇唐瑞文
关键词:移动终端电量消耗
共1页<1>
聚类工具0