点亮那个 Droid！静态分析特征对抗 Android 恶意软件检测中应用混淆的有效性研究
密码学与安全
2023-10-25 v1 机器学习
软件工程
摘要
恶意软件作者将混淆视为绕过基于静态分析特征的恶意软件检测器的手段。对于 Android，若干研究已证实许多反恶意软件产品可被简单的程序变换轻易规避。与这些工作相反，也有研究提出利用静态分析特征的 Android ML 检测方案具有抗混淆能力。因此，需要确定特定混淆策略或工具的使用在多大程度上对基于静态分析特征的 Android ML 恶意软件检测器的有效性构成风险。为在此方面提供一些启示，我们在本文中评估了特定混淆技术对使用静态分析提取的常用特征的影响，并确定这些变化是否显著到足以削弱依赖这些特征的 ML 恶意软件检测器的有效性。实验结果表明，混淆技术对不同工具上的所有静态分析特征均有不同程度的影响。然而，某些特征即使在存在混淆的情况下仍保持其对于 ML 恶意软件检测的有效性。基于这些发现，我们提出了一种抗混淆且优于当前最先进检测器的 Android ML 恶意软件检测器。
引用
@article{arxiv.2310.15645,
title = {Light up that Droid! On the Effectiveness of Static Analysis Features against App Obfuscation for Android Malware Detection},
author = {Borja Molina-Coronado and Antonio Ruggia and Usue Mori and Alessio Merlo and Alexander Mendiburu and Jose Miguel-Alonso},
journal= {arXiv preprint arXiv:2310.15645},
year = {2023}
}