模拟器与真实手机对比：基于机器学习的 Android 恶意软件检测
密码学与安全
2017-04-03 v1 人工智能
摘要
Android 操作系统已成为智能手机和平板电脑最流行的操作系统，导致恶意软件迅速增加。复杂的 Android 恶意软件采用检测规避技术，以向分析工具隐藏其恶意活动。这包括广泛的反模拟器技术，恶意软件程序试图通过检测模拟器来隐藏其恶意活动。因此，针对反模拟的对策在 Android 恶意软件检测中变得越来越重要。基于真实设备的分析与检测可以缓解反模拟问题，并提高动态分析的有效性。因此，本文研究了在真实设备上使用动态分析进行基于机器学习的恶意软件检测。我们实现了一个工具以从 Android 手机自动提取动态特征，并通过多次实验，利用多种机器学习算法对基于模拟器的检测与基于设备的检测进行了比较分析。我们的研究表明，与模拟器相比，从设备端动态分析中可以更有效地提取若干特征。研究还发现，在手机上成功分析的应用程序多出约 24%。此外，所有被研究的基于机器学习的检测方法在应用于从设备端动态分析提取的特征时，均表现出更好的性能。
关键词
引用
@article{arxiv.1703.10926,
title = {EMULATOR vs REAL PHONE: Android Malware Detection Using Machine Learning},
author = {Mohammed K. Alzaylaee and Suleiman Y. Yerima and Sakir Sezer},
journal= {arXiv preprint arXiv:1703.10926},
year = {2017}
}
备注
IWSPA 2017 Proceedings of the 3rd ACM International Workshop on Security and Privacy Analytics, co-located with CODASPY'17, Scottsdale, Arizona, USA - March 24 - 24, 2017, pages 65-72