基于系统调用的Android恶意软件分析、检测与分类
密码学与安全
2022-08-15 v1
摘要
随着过去十年Android的日益普及,Android在用户和攻击者中都颇受欢迎。庞大的Android用户数量引起了攻击者对Android的注意。由于Android恶意软件的种类与攻击技术不断演进,我们的检测方法也需更新。大多数研究者的工作基于静态特征,极少关注动态特征。本文利用系统调用检测Android恶意软件,填补了文献空白。我们使用模拟器在受监控和受控环境中运行恶意应用以检测恶意软件。在运行时通过一些模拟事件激活其恶意行为。应用运行时收集的日志被分析并输入不同机器学习模型,用于恶意软件的检测与家族分类。结果表明,K-Nearest Neighbor和Decision Tree分别在恶意软件检测与家族分类中给出了最高准确率。
引用
@article{arxiv.2208.06130,
title = {Analysis, Detection, and Classification of Android Malware using System Calls},
author = {Shubham Shakya and Mayank Dave},
journal= {arXiv preprint arXiv:2208.06130},
year = {2022}
}
备注
18 pages, 7 table , 3 figures