HAWK：基于异质图注意力网络的快速 Android 恶意软件检测
密码学与安全
2021-08-18 v1
摘要
Android 每日正遭受前所未有的恶意威胁，但现有的恶意软件检测方法往往难以应对恶意软件中不断演化的伪装。为解决此问题，我们提出 HAWK，一种面向演化型 Android 应用的新型恶意软件检测框架。我们将 Android 实体与行为关系建模为异质信息网络（HIN），利用其丰富的语义元结构来刻画隐式的高阶关系。我们构建了一个增量学习模型，用于处理动态出现的应用，而无需重构整个 HIN 及后续的嵌入模型。该模型能够快速定位新应用与现有样本内应用之间的邻近性，并在多种语义下聚合它们的数值嵌入。我们的实验考察了七年期间开发的超过 80,860 个恶意应用和 100,375 个良性应用，结果表明 HAWK 相较基线取得了最高的检测准确率，且检测一个样本外应用平均仅需 3.5ms，训练加速时间比现有方法快 50 倍。
引用
@article{arxiv.2108.07548,
title = {HAWK: Rapid Android Malware Detection through Heterogeneous Graph Attention Networks},
author = {Yiming Hei and Renyu Yang and Hao Peng and Lihong Wang and Xiaolin Xu and Jianwei Liu and Hong Liu and Jie Xu and Lichao Sun},
journal= {arXiv preprint arXiv:2108.07548},
year = {2021}
}
备注
The work has been accepted by TNNLS