ShajeeaMinnath/malware-classification-predictive-analytics

GitHub: ShajeeaMinnath/malware-classification-predictive-analytics

基于多种机器学习模型的Android恶意软件检测与分类端到端解决方案，集成模型可解释性分析与在线部署。

Stars: 0 | Forks: 0

# 恶意软件分类预测分析一个用于 Android 恶意软件检测与分类的端到端预测分析项目。使用 Kaggle 的 Android 恶意软件数据集，本项目实现了静态分析特征来识别恶意应用程序。我们对比了 Random Forest、LightGBM 和 MLP 模型，并结合了模型可解释性（SHAP）以及实时的 Streamlit 部署。

标签：Android恶意软件检测, Apex, Kaggle数据集, Kubernetes, LightGBM, MLP, Python, SHAP, Streamlit, 云安全监控, 人工智能, 多层感知机, 数据科学, 无后门, 机器学习, 模型解释性, 用户模式Hook绕过, 端到端项目, 网络安全, 访问控制, 资源验证, 逆向工具, 随机森林, 隐私保护, 静态分析, 预测分析