基于机器学习的 Android 恶意软件类别与家族检测及识别
密码学与安全
2021-07-06 v1 人工智能
机器学习
摘要
Android 恶意软件是互联网上最危险的威胁之一，多年来一直呈上升趋势。尽管在从无害 Android 应用中检测和分类 Android 恶意软件方面做出了重大努力，但仍有很长的路要走。因此，有必要对最常见 Android 恶意软件类别和家族所表现的行为提供基本理解。每个 Android 恶意软件家族和类别都有不同目标。因此，它影响了包括医疗、银行、交通、政府和电子商务在内的每个企业领域。在本文中，我们提出了两种用于 Android 恶意软件动态分析的机器学习方法：一种用于检测和识别 Android 恶意软件类别，另一种用于检测和识别 Android 恶意软件家族，这是通过在动态层上分析具有 CCCS-CIC-AndMal2020 数据集的 14 个著名恶意软件类别和 180 个著名恶意软件家族的大规模恶意软件数据集实现的。我们的方法在 Android 恶意软件类别检测中达到超过 96% 的准确率，在 Android 恶意软件家族检测中达到超过 99% 的准确率。我们的方法提供了一种高准确率 Android 恶意软件动态分析方法，同时缩短了分析智能手机恶意软件所需的时间。
引用
@article{arxiv.2107.01927,
title = {Android Malware Category and Family Detection and Identification using Machine Learning},
author = {Ahmed Hashem El Fiky and Ayman El Shenawy and Mohamed Ashraf Madkour},
journal= {arXiv preprint arXiv:2107.01927},
year = {2021}
}