基于RGB图像与多特征融合的安卓恶意软件检测
密码学与安全
2024-08-30 v1 机器学习
摘要
随着智能手机的广泛普及，安卓恶意软件已成为移动设备安全领域的一项重大挑战。当前的安卓恶意软件检测方法通常依赖特征工程来构建动态或静态特征，并用于学习。然而，基于静态特征的方法难以应对代码混淆、加壳和签名技术，而基于动态特征的方法则涉及耗时的特征提取。基于图像的安卓恶意软件检测方法对恶意软件变体和多态恶意软件具有更强的鲁棒性。本文提出了一种基于RGB图像和多特征融合的端到端安卓恶意软件检测技术。该方法从APK文件中提取Dalvik可执行文件（DEX）、AndroidManifest.xml文件和API调用，将其转换为灰度图像，并使用Canny边缘检测、直方图均衡化和自适应阈值化技术增强其纹理特征。然后将这些灰度图像组合成包含多特征融合信息的RGB图像，并使用主流图像分类模型进行分析以进行安卓恶意软件检测。大量实验表明，所提出的方法能有效捕获安卓恶意软件特征，准确率高达97.25%，优于仅依赖DEX文件作为分类特征的现有检测方法。此外，消融实验证实了使用这三种关键文件进行特征表示的有效性。
引用
@article{arxiv.2408.16555,
title = {Android Malware Detection Based on RGB Images and Multi-feature Fusion},
author = {Zhiqiang Wang and Qiulong Yu and Sicheng Yuan},
journal= {arXiv preprint arXiv:2408.16555},
year = {2024}
}
备注
9 pages,10 figures