DeepIntent：基于隐式 Intent 的端到端深度学习架构 Android 入侵检测系统
密码学与安全
2020-10-20 v1 人工智能
机器学习
摘要
Android 中的 Intent 在进程间和进程内通信中扮演重要角色。应用可接受的隐式 Intent 在其清单中声明，并且是从 apk 中最易提取的特征之一。隐式 Intent 甚至可以在线实时提取。迄今为止，既未探索仅基于隐式 Intent 开发入侵检测系统的可行性，也没有任何仅基于隐式 Intent 的恶意软件分类器基准可用。我们证明，尽管 Intent 是隐式且明确声明的，它仍可提供非常直观的见解以区分恶意与非恶意应用。我们使用超过 40 种端到端深度学习（Auto-Encoder 与 Multi-Layer-Perceptron）不同配置进行了详尽实验，以创建仅基于隐式 Intent 的恶意软件分类器基准。利用实验结果，我们仅使用隐式 Intent 和端到端深度学习架构创建了入侵检测系统。我们在 Drebin 数据集上获得了 0.81 的 AUC 统计量、77.2% 的准确率以及 0.11 的误报率。
引用
@article{arxiv.2010.08607,
title = {DeepIntent: ImplicitIntent based Android IDS with E2E Deep Learning architecture},
author = {Mohit Sewak and Sanjay K. Sahay and Hemant Rathore},
journal= {arXiv preprint arXiv:2010.08607},
year = {2020}
}