群体智能：基于区块链的物联网安卓恶意软件检测去中心化学习
密码学与安全
2021-06-29 v2 机器学习
摘要
安卓物联网设备的广泛重要性源于其灵活性与硬件支持特性，这些特性通过引入几乎涵盖日常生活各方面（如医疗、智能城市、智能环境、安全、遥感等）的精彩应用而革新了数字世界。如此多样的适用性也刺激了更多恶意软件攻击。本文提出一种框架，持续将多个用户在非重叠数据上训练的模型聚合为单一模型。针对恶意软件检测任务，我们提出（i）一种在本地分布上训练的新型用户（本地）神经网络（LNN），以及（ii）为保障模型真实性与质量，提出一种新型智能合约，可在区块链平台上实现聚合过程。LNN 模型分析恶意与良性应用的多种静态与动态特征，而智能合约利用本地模型存储的聚合特征对网络中上传与下载过程的应用进行恶意验证。由此，所提模型不仅借助去中心化模型网络提升了恶意软件检测准确率，也通过区块链增强了模型效能。我们使用三种最先进（state-of-the-art）模型评估了该方法，并对相关模型提取的特征进行了深入分析。
引用
@article{arxiv.2102.13376,
title = {Collective Intelligence: Decentralized Learning for Android Malware Detection in IoT with Blockchain},
author = {Rajesh Kumar and WenYong Wang and Jay Kumar and Zakria and Ting Yang and Waqar Ali},
journal= {arXiv preprint arXiv:2102.13376},
year = {2021}
}