apk2vec：用于 Android 应用画像的半监督多视图表示学习
机器学习
2018-09-18 v1 机器学习
摘要
利用整体、丰富且多视图的信息（例如，融合应用的若干语义视图，如 API 序列、系统调用等）来构建 Android 应用（apps）的行为画像，将显著更好地服务于下游分析任务，如应用分类、推荐和恶意软件分析。为实现这一目标，我们设计了一个名为 apk2vec 的半监督表示学习（RL）框架，用于自动生成给定应用的紧凑表示（即画像/嵌入）。更具体地说，apk2vec 具有以下三个独特特性，使其成为大规模应用画像的极佳选择：（1）它涵盖来自多个语义视图的信息，如 API 序列、权限等；（2）作为一种半监督嵌入技术，它可利用与应用关联的标签（例如恶意软件家族或应用类别标签）来构建高质量应用画像；（3）它结合了 RL 和特征哈希，从而能够高效地构建随时间流式到达的应用的画像（即在线学习）。由此得到的半监督多视图哈希嵌入可用于多种下游任务，例如上述任务。我们使用超过 42,000 个应用进行的广泛评估表明，apk2vec 的应用画像在四项应用分析任务——即恶意软件检测、家族聚类、应用克隆检测和应用推荐——中显著优于最先进的技术。
引用
@article{arxiv.1809.05693,
title = {apk2vec: Semi-supervised multi-view representation learning for profiling Android applications},
author = {Annamalai Narayanan and Charlie Soh and Lihui Chen and Yang Liu and Lipo Wang},
journal= {arXiv preprint arXiv:1809.05693},
year = {2018}
}
备注
International Conference on Data Mining, 2018