探索大语言模型用于Android恶意软件的语义分析与分类
密码学与安全
2025-01-10 v1 人工智能
摘要
恶意软件分析是检查和评估恶意软件功能、来源及潜在影响的复杂过程。这一艰巨的过程通常涉及对软件进行剖析，以了解其组件、感染媒介、传播机制和有效载荷。多年来，对恶意软件的深度逆向工程变得越来越繁琐，这主要是由于现代恶意代码库的快速演变和复杂性。本质上，分析人员的任务是在零日恶意软件的复杂性中识别出难以捉摸的“大海捞针”，且这一切都在严格的时间限制下进行。因此，在本文中，我们探索利用大语言模型（LLM）进行语义恶意软件分析，以加速对已知和新型样本的分析。基于GPT-4o-mini模型，\msp旨在通过分层摘要链和策略性提示工程来增强Android的恶意软件分析。此外，\msp执行恶意软件分类，将潜在恶意软件与良性应用程序区分开来，从而在恶意软件逆向工程过程中节省时间。尽管未针对Android恶意软件分析进行微调，但我们证明，通过优化和高级的提示工程，\msp可以实现高达77%的分类准确率，同时在功能、类和包级别提供高度稳健的摘要。此外，利用从包级别到功能级别的摘要反向追踪，我们能够精确定位导致恶意行为的精确代码片段。
引用
@article{arxiv.2501.04848,
title = {Exploring Large Language Models for Semantic Analysis and Categorization of Android Malware},
author = {Brandon J Walton and Mst Eshita Khatun and James M Ghawaly and Aisha Ali-Gombe},
journal= {arXiv preprint arXiv:2501.04848},
year = {2025}
}