一种基于神经嵌入检测移动端仿冒应用的方法
密码学与安全
2018-04-27 v1 机器学习
神经与进化计算
摘要
仿冒应用冒充现有流行应用，试图误导用户出于各种目的（如收集个人信息、传播恶意软件或单纯增加广告收入）安装它们。许多仿冒应用一旦安装即可被识别，但即便是精通技术的用户，在安装前也可能难以察觉，因为应用图标与描述可能与原版应用极为相似。为此，本文提出使用最先进的卷积神经网络（CNNs）生成的神经嵌入来衡量图像间的相似度。我们的结果表明，在仿冒检测问题上，一种利用CNN滤波器响应的Gram矩阵给出的风格嵌入的新方法优于内容嵌入与SIFT特征等基线方法。我们展示了将风格嵌入与内容嵌入结合可进一步提升性能。我们对来自Google Play商店约120万款应用进行了分析，并为前1000款应用识别出一组潜在仿冒应用。在一个保守假设下，我们能在6880款与Google Play商店前1000款应用中某一款具有高度视觉相似性的应用中，找出139款含有恶意软件的应用。
引用
@article{arxiv.1804.09882,
title = {A Neural Embeddings Approach for Detecting Mobile Counterfeit Apps},
author = {Jathushan Rajasegaran and Suranga Seneviratne and Guillaume Jourjon},
journal= {arXiv preprint arXiv:1804.09882},
year = {2018}
}