SMOTE 在基于机器学习的 Android 恶意软件检测中的实证评估：CICMalDroid 2020 数据集上的挑战与性能
密码学与安全
2026-02-10 v1
摘要
恶意软件，即旨在破坏计算机系统和实施诈骗的恶意软件，正以惊人的速度激增，每天都有成千上万的新威胁出现。Android 设备广泛存在于智能手机、智能手表、平板电脑和物联网设备中，构成了巨大的攻击面，使得恶意软件检测至关重要。尽管存在先进的分析技术，但机器学习（ML）作为一种有前景的工具出现，可以自动化和加速这些威胁的发现。本工作测试了 ML 算法在根据动态执行特征检测恶意代码方面的能力。为此，使用了由动态获取的 Android 恶意软件行为样本组成的 CICMalDroid2020 数据集，并采用了 XGBoost、朴素贝叶斯（NB）、支持向量分类器（SVC）和随机森林（RF）算法。该研究侧重于实证评估 SMOTE 技术（用于缓解数据中的类别不平衡）对这些模型性能的影响。结果表明，在 75% 的测试配置中，应用 SMOTE 导致了性能下降或仅有边际改善，平均损失 6.14 个百分点。基于树的算法，如 XGBoost 和随机森林，始终优于其他算法，实现了超过 94% 的加权召回率。可以推断，尽管 SMOTE 被广泛使用，但在 CICMalDroid2020 数据集上，它对 Android 恶意软件检测并无益处，这可能是由于动态特征的复杂性和稀疏性，或恶意关系的性质。本工作突出了树集成模型（如 XGBoost）的鲁棒性，并表明在某些网络安全场景中，算法数据平衡方法可能比生成合成实例更有效。
引用
@article{arxiv.2602.08744,
title = {Empirical Evaluation of SMOTE in Android Malware Detection with Machine Learning: Challenges and Performance in CICMalDroid 2020},
author = {Diego Ferreira Duarte and Andre Augusto Bortoli},
journal= {arXiv preprint arXiv:2602.08744},
year = {2026}
}
备注
20 pages, 5 figures, 4 tables