增强 Android 恶意软件检测：ChatGPT 对决策导向任务的影响
密码学与安全
2025-02-27 v2 软件工程
摘要
随着大型语言模型（如 ChatGPT）的兴起，非决策模型已被应用于 various 任务。此外，ChatGPT 吸引了对传统决策导向任务——Android 恶意软件检测的关注。尽管学者们提出了有效的检测方法，但面临可解释性低的问题。具体而言，这些方法在将应用程序分类为良性或恶意方面效果良好，能够检测恶意行为，但往往无法提供其做出决策的详细解释。这一挑战引发了对现有检测方案可靠性的担忧，并质疑其是否真正理解复杂数据。在本研究中，我们研究了非决策模型 ChatGPT 对传统决策导向任务 Android 恶意软件检测的影响。我们选取 Drebin、XMAL 和 MaMaDroid 三种最先进的解决方案，在公开数据集上进行一系列实验，并进行全面的比较和分析。我们的发现表明，这些决策驱动的解决方案主要依赖数据集中的统计模式来做出决策，而非真正理解底层数据。相比之下，作为非决策模型的 ChatGPT 在提供全面分析报告方面表现出色，大大增强了可解释性。此外，我们对经验丰富的开发人员进行了调查。结果显示，开发人员更倾向于选择 ChatGPT，因为它提供深入见解，提高了效率和对挑战的理解。同时，这些研究和分析提供了深刻的见解，为开发人员提供了一种新的视角来看待 Android 恶意软件检测——从非决策角度增强检测结果的可靠性。
引用
@article{arxiv.2410.04352,
title = {Enhancing Android Malware Detection: The Influence of ChatGPT on Decision-centric Task},
author = {Yao Li and Sen Fang and Tao Zhang and Haipeng Cai},
journal= {arXiv preprint arXiv:2410.04352},
year = {2025}
}