Android恶意软件检测中的数据集偏差
软件工程
2022-06-01 v1
摘要
研究者已提出多种恶意软件检测方法来应对爆发式增长的移动安全威胁。我们认为，由于恶意软件数据集可变性引入的研究偏差，实验结果被夸大了。我们从三个方面探究Android恶意软件检测中偏差的影响：标记真值的方法、数据集中恶意软件家族的分布，以及使用数据集的方法。我们实现了一组不同VT阈值的实验，发现标记恶意软件数据的方法直接影响恶意软件检测性能。我们进一步详细比较了恶意软件家族类型与构成对检测的影响。在不同恶意软件家族组合下，各方法的优势不同。通过大量实验，我们表明使用数据集的方法会对评估产生误导性影响，性能差异可达40%以上。我们认为，本文观察到的这些研究偏差应被谨慎控制或消除，以促成恶意软件检测技术的公平比较。提供合理且可解释的结果，优于仅报告高检测准确率而数据集与实验设置含糊不清。
引用
@article{arxiv.2205.15532,
title = {Dataset Bias in Android Malware Detection},
author = {Yan Lin and Tianming Liu and Wei Liu and Zhigaoyuan Wang and Li Li and Guoai Xu and Haoyu Wang},
journal= {arXiv preprint arXiv:2205.15532},
year = {2022}
}