基于图神经网络与跳跃知识的 Android 恶意软件分类
密码学与安全
2022-06-14 v9 机器学习
摘要
本文提出一种基于图神经网络（GNNs）与跳跃知识（JK）的 Android 恶意软件检测新方法。Android 函数调用图（FCGs）由一组程序函数及其过程间调用构成。因此，本文通过捕捉有意义的过程内调用路径模式，提出一种基于 GNN 的 Android 恶意软件检测方法。此外，应用跳跃知识技术以最小化过平滑问题的影响，该问题在 GNN 中十分常见。所提方法已使用两个基准数据集进行了广泛评估。结果表明，在关键分类指标方面，我们的方法优于当前最优方法，展示了 GNN 在 Android 恶意软件检测与分类中的潜力。
引用
@article{arxiv.2201.07537,
title = {Graph Neural Network-based Android Malware Classification with Jumping Knowledge},
author = {Wai Weng Lo and Siamak Layeghy and Mohanad Sarhan and Marcus Gallagher and Marius Portmann},
journal= {arXiv preprint arXiv:2201.07537},
year = {2022}
}
备注
will be appeared in IEEE Conference on Dependable and Secure Computing 2022