基于深度学习的 Android 恶意软件检测框架
密码学与安全
2019-12-30 v1
摘要
随着智能手机领域的发展和互联网用户基数的不断增长，各类软件易遭受许多恶意活动，如域名欺骗、钓鱼、勒索软件、垃圾信息、欺骗、间谍软件、窃听等。这些威胁也未放过智能手机，其同样易受影响。在本工作中，我们旨在准确高效地检测这些恶意软件。这本质上是一个分类问题，我们为此任务使用了多种机器学习方法。我们观察到，跨模型来看，基于注意力的神经网络（ANN），或更广义地说，深度学习，最适合此问题。基于注意力的 ANN 是准确性与效率的结合，也是我们工作的核心。我们的模型实现的准确率约为 96.75%。我们的模型在 Android 包文件（APK）上运行测试，通过对所考察的 Android 应用进行行为分析来确定特定应用是否恶意。
引用
@article{arxiv.1912.12122,
title = {Deep Learning Based Android Malware Detection Framework},
author = {Soumya Sourav and Devashish Khulbe and Naman Kapoor},
journal= {arXiv preprint arXiv:1912.12122},
year = {2019}
}