DetectBERT：用于检测 Android 恶意软件的全应用级表示学习

尽管 ML 和 DL 的 recent 进步显著提高了 Android 恶意软件检测，但许多方法仍依赖基本的静态分析、字节码或函数调用图，往往难以捕获复杂的恶意行为。DexBERT 是一个针对 Android 表示学习的预训练类 BERT 模型，通过分析从 APK 中提取的 Smali 代码来丰富类级别的表示，但其功能受限于无法同时处理多个 Smali 类。本文引入 DetectBERT，将相关性 Multiple Instance Learning（c-MIL）与 DexBERT 集成，以处理 Android 恶意软件的高维度和可变性，实现有效的应用级检测。通过将类级别特征视为 MIL 包中实例的方式，DetectBERT 将这些特征聚合为全面的应用级表示。我们的评估表明，DetectBERT 不仅超越了现有的领先检测方法，还能适应不断演变的恶意软件威胁。此外，DetectBERT 框架的灵活性为更广泛的应用级分析和其他软件工程任务开辟了前景的潜力，为研究和开发提供了新的方向。