基于评论数据的恶意移动应用检测方法

恶意移动应用通过动态代码加载等手段绕过移动应用市场安全审核,对终端用户造成威胁.为了实现对这些应用进行事后审计,提出一种基于自然语言处理(NLP)的恶意应用检测模型.通过搜集、处理移动应用市场中用户对应用的评论数据,建立恶意分类检测模型.通过对评论数据的处理分类,判断应用是否存在恶意行为,以此对移动应用进行事后安全检查.实验结果表明,建立的恶意应用检测模型准确率达到81％,可以有效识别恶意移动应用.