基于操作码序列的恶意软件检测中的数据增强

本文研究基于操作码序列的 Android 恶意软件检测中的数据增强。数据增强已成功用于深度学习的诸多领域，以显著提升模型性能。通常，数据增强模拟数据中的真实变化以增加训练集的表观多样性。然而，对于基于操作码的恶意软件分析，如何应用数据增强并不一目了然。因此我们先研究固定变换的使用，再推进至自适应方法。我们提出一种新颖的数据增强方法——自嵌入语言模型增强(Self-Embedding Language Model Augmentation)——其利用恶意软件检测网络自身的操作码嵌入层度量操作码相似性以进行自适应增强。据我们所知，本文是首篇对基于操作码序列的 Android 恶意软件分类的不同增强方法开展系统研究的论文。