Droidetec：基于深度学习的安卓恶意软件检测与恶意代码定位
密码学与安全
2020-02-11 v1
摘要
安卓恶意软件检测是构建安全可信系统的关键步骤。尤其是，人工搜寻潜在恶意代码长期困扰程序分析人员。本文中，我们提出 Droidetec，一种基于深度学习用于安卓恶意软件检测与恶意代码定位的方法，将应用程序建模为自然语言序列。Droidetec 采用一种新颖的特征提取方法从安卓应用中导出行为序列。在此基础上，利用双向长短期记忆（LSTM）网络进行恶意软件检测。所提取行为序列中的每个单元被创新地表示为向量，使 Droidetec 能自动分析序列片段的语义并最终找出恶意代码。使用 9616 个恶意与 11982 个良性程序的实验表明，Droidetec 达到 97.22% 的准确率与 98.21% 的 F1 分数。总体而言，Droidetec 以 91% 的命中率正确找出恶意代码段。
引用
@article{arxiv.2002.03594,
title = {Droidetec: Android Malware Detection and Malicious Code Localization through Deep Learning},
author = {Zhuo Ma and Haoran Ge and Zhuzhu Wang and Yang Liu and Ximeng Liu},
journal= {arXiv preprint arXiv:2002.03594},
year = {2020}
}