基于 API 方法序列深度学习的 Android 恶意软件检测
密码学与安全
2017-12-27 v1 人工智能
摘要
近年来 Android 操作系统迅速普及。这一主导性平台不仅在移动领域,也在物联网(IoT)设备中确立了自身地位。然而,这种普及是以安全为代价的,因为它已成为恶意应用诱人的目标。因此,对精密、自动且可移植的恶意软件检测方案的需求日益增长。本文提出 MalDozer,一个基于深度学习技术进行序列分类的自动 Android 恶意软件检测与家族归属框架。从应用 API 方法调用的原始序列出发,MalDozer 自动从实际样本中抽取并学习恶意与良性模式以检测 Android 恶意软件。MalDozer 可作为一种无处不在的恶意软件检测系统,不仅部署于服务器,也可部署于移动甚至 IoT 设备。我们在多个 Android 恶意软件数据集上评估 MalDozer,规模从 1K 到 33K 恶意应用以及 38K 良性应用。结果表明,在所有测试数据集与设置下,MalDozer 能以 96%–99% 的 F1 分数和 0.06%–2% 的误报率正确检测恶意软件并将其归属到实际家族。
引用
@article{arxiv.1712.08996,
title = {Android Malware Detection using Deep Learning on API Method Sequences},
author = {ElMouatez Billah Karbab and Mourad Debbabi and Abdelouahid Derhab and Djedjiga Mouheb},
journal= {arXiv preprint arXiv:1712.08996},
year = {2017}
}
备注
17 pages, submitted to Elsevier Digital Investigations Journal