使用并行机器学习分类器的 Android 恶意软件检测
密码学与安全
2016-07-28 v1 人工智能
摘要
尽管不断努力缓解该问题，移动恶意软件仍以惊人的速度增长。这在 Android 平台上尤为明显，因为其作为一个开放平台，随后在移动智能设备市场份额中超越了其他平台。因此，促使新一波足够复杂以规避最常见检测方法的新兴 Android 恶意软件的出现。本文提出并研究了一种基于并行机器学习的分类方法，用于 Android 恶意软件的早期检测。使用真实的恶意软件样本和良性应用，通过异构分类器的并行组合构建了一个复合分类模型。在不同组合方案下对该模型的实证评估证明了其有效性及提高检测准确率的潜力。更重要的是，通过利用多个具有不同特征的分类器，不仅可以发挥其优势增强 Android 恶意软件检测，还可以通过更具可解释性的组成分类器进行更快的白盒分析。
引用
@article{arxiv.1607.08186,
title = {Android Malware Detection Using Parallel Machine Learning Classifiers},
author = {Suleiman Y. Yerima and Sakir Sezer and Igor Muttik},
journal= {arXiv preprint arXiv:1607.08186},
year = {2016}
}
备注
8th International Conference on Next Generation Mobile Applications, Services and Technologies, (NGMAST), 10-14 Sept., 2014, Oxford, United Kingdom