基于因子分解机的安卓恶意软件检测
密码学与安全
2019-08-14 v2
摘要
近年来，随着安卓智能手机的普及，恶意应用的数量也随之增加。由于手机用户面临数据被盗的潜在风险，安卓设备上的恶意软件检测已成为网络安全中日益重要的问题。基于签名等传统方法无法保护用户免受新型安卓恶意软件日益复杂和快速行为变化的影响。因此，近来人们投入大量努力利用机器学习模型与方法来刻画和归纳移动应用的恶意行为模式以进行恶意软件检测。本文提出一种基于因子分解机架构并从清单文件和源代码中提取安卓应用特征的新型高可靠性安卓恶意软件检测分类器。我们的结果表明，应用的数值特征表示通常会产生一个长且高度稀疏的向量，且不同特征之间的交互对于揭示恶意行为模式至关重要。在经过广泛性能评估后，我们提出的方法在 DREBIN 数据集上取得了 100.00% 精确率的测试结果，在 AMD 数据集上取得了 99.22% 精确率且假阳性率仅为 1.10%。这些指标与最先进的基于机器学习的安卓恶意软件检测方法以及若干商业杀毒引擎的性能相当，且训练速度最高快达 50 倍。
引用
@article{arxiv.1805.11843,
title = {Android Malware Detection based on Factorization Machine},
author = {Chenglin Li and Keith Mills and Rui Zhu and Di Niu and Hongwen Zhang and Husam Kinawi},
journal= {arXiv preprint arXiv:1805.11843},
year = {2019}
}