AppPoet：基于大语言模型的多视图提示工程安卓恶意软件检测
密码学与安全
2024-10-23 v3 软件工程
摘要
由于安卓应用程序种类繁多、功能多样且行为语义复杂，攻击者可以采用各种策略将其真实的攻击意图隐藏在合法功能之中。然而，许多基于学习的方法在挖掘行为语义信息方面存在局限性，从而阻碍了安卓恶意软件检测的准确性和效率。此外，现有的大多数基于学习的方法可解释性较弱，无法为研究人员提供有效且可读的检测报告。受大语言模型（LLMs）在自然语言理解方面成功的启发，我们提出了 AppPoet，一个基于 LLM 辅助的多视图安卓恶意软件检测系统。首先，AppPoet 采用静态方法全面收集应用特征，并构建各种观察视图。然后，利用我们精心设计的提示模板，引导 LLM 为每个视图生成功能描述和行为摘要，从而实现对视图的深度语义分析。最后，我们协同融合多视图信息，通过深度神经网络（DNN）分类器高效、准确地检测恶意软件，并生成人类可读的诊断报告。实验结果表明，我们的方法达到了 97.15% 的检测准确率和 97.21% 的 F1 分数，优于基线方法。此外，案例研究评估了我们生成的诊断报告的有效性。
引用
@article{arxiv.2404.18816,
title = {AppPoet: Large Language Model based Android malware detection via multi-view prompt engineering},
author = {Wenxiang Zhao and Juntao Wu and Zhaoyi Meng},
journal= {arXiv preprint arXiv:2404.18816},
year = {2024}
}
备注
Accepted by Expert Systems With Applications