FCGHunter：面向基于图的 Android 恶意软件检测鲁健性评估
密码学与安全
2025-04-29 v1 软件工程
摘要
基于函数调用图（FCG）的检测方法因其语义洞察而在 Android 恶意软件检测（AMD）中显示出良好的前景。然而，在动态且充满挑战的环境中部署恶意软件检测器，引发对其鲁健性的重大关切。虽然最近的研究方法通过对抗攻击评估 FCG-based 检测器的鲁健性，但其有效性受限于庞大的扰动空间，尤其是在不同模型和特征跨越的场景中。为应对这些挑战，我们提出 FCGHunter，一个用于 FCG-based AMD 系统的新型鲁健性测试框架。具体而言，FCGHunter 采用创新技术在巨大的搜索空间中增强探索与开发。首先，它识别与恶意软件行为相关的 FCG 中的关键区域，以缩小扰动空间。随后，我们开发一种依赖感知的交叉与变异方法，以增强扰动的有效性和多样性，生成多样化的 FCG。此外，FCGHunter 利用多目标反馈选择被扰动的 FCG，显著提升搜索过程，通过基于解释的特征变更反馈。广泛的评估覆盖 40 个场景，表明 FCGHunter 实现了 87.9% 的平均攻击成功率，显著优于基线方法至少 44.7%。值得注意的是，在鲁健模型（如 AdaBoost with MalScan）上，FCGHunter 达到 100% 的成功率，而基线方法仅 achieving 11% 或不可应用。
引用
@article{arxiv.2504.19456,
title = {FCGHunter: Towards Evaluating Robustness of Graph-Based Android Malware Detection},
author = {Shiwen Song and Xiaofei Xie and Ruitao Feng and Qi Guo and Sen Chen},
journal= {arXiv preprint arXiv:2504.19456},
year = {2025}
}
备注
14 pages, 5 figures