近年来,移动应用下载网站中出现了越来越多的恶意应用,它们通常会伪装成社交类、金融类、游戏类等应用。如果在分辨恶意应用时先对应用按功能分类,就可以提升恶意应用识别准确率。应用功能分类需要借助大量、高质量的样本,但应用标签在不同应用网站中差异较大,无法快速、有效地获取同功能类型的样本。本文针对应用下载网站特点,提出使用应用描述分类指导应用功能分类的方法。针对应用描述分类中存在的难点,本文的具体工作如下:1.设计了基于关键词集和JS散度的数据标注工具,用于描述数据集的标注工作。本文在收集应用描述时遇到了应用网站标签不统一的问题,该问题会导致同类应用在不同应用下载网站的描述标签不一致,会降低应用功能分类准确率。为了统一划分来自不同网站的应用描述,该数据标注工具在统一应用标签的前提下,将来自互联网的应用描述划分至有效类别中,在31万条数据集中的分类F1值达到了0.87。为了增加应用描述集的样本数量,本文基于上述标注工具设计了数据集扩充方案,在部分应用网站中有效地补充了 25万条应用描述,共收集56万条描述信息用于训练与预测。2.设计了采用卷积核抽取局部特征、利用注意力机制识别特征差异的网络模型CRNN。描述分类时存在着不同标签的应用描述有相似性、同一标签的描述有差异性、类别间数量不均衡等问题,本文通过对比实验验证了 CRNN模型处理应用描述数据集的分类有效性,该模型比文本分类模型如CNN、RNN等的F1值高0.02至0.2不等。3.实现了一个基于描述的安卓功能分类系统。该系统以CRNN模型为分类器,能较好得完成应用描述分类任务并以投票方式得到应用功能类别。该系统可依据应用描述的类别占比为应用提供多个功能标签。本文使用该系统完成了对部分应用的功能分类测试,验证了该系统的有效性,该系统在1万个应用及其5万个应用描述的测试集中的分类准确率达到了 98.5%。