IntelliAV：构建高效的设备端 Android 恶意软件检测器
密码学与安全
2018-02-06 v1
摘要
安全界已明确认识到采用机器学习进行恶意软件检测的重要性。若干反恶意软件厂商宣称并在其产品中宣传了机器学习的应用，其推理阶段在服务器和高性能机器上执行，但此类方法在算力受限的移动设备上的可行性尚未被研究界评估，厂商仍持怀疑态度。本文首先旨在展示在 Android 移动设备上设计基于学习的反恶意软件工具的实用性。此外，我们旨在证明此类工具对于遏制难以被基于签名或离线基于学习的安全工具轻易捕获的新型规避性恶意软件的重要意义。为此，我们首先提出从 Android 应用中提取一组轻量而强大的特征。随后，我们将这些特征嵌入向量空间以构建高效且有效的模型。从而，该模型可在设备上执行推理以检测潜在有害应用。我们表明，在不借助任何签名且仅依赖涉及合理样本集的训练阶段的情况下，所提出的名为 IntelliAV 的系统提供了比流行主流反恶意软件产品更令人满意的性能。此外，我们评估了 IntelliAV 对常见混淆技术的鲁棒性，而大多数反恶意软件方案会受此类技术影响。
引用
@article{arxiv.1802.01185,
title = {IntelliAV: Building an Effective On-Device Android Malware Detector},
author = {Mansour Ahmadi and Angelo Sotgiu and Giorgio Giacinto},
journal= {arXiv preprint arXiv:1802.01185},
year = {2018}
}