Android恶意代码检测：序列特征与反汇编方法的作用
密码学与安全
2023-12-05 v1
摘要
Android操作系统的接受和广泛使用吸引了合法开发者和恶意软件作者的注意，导致各种在线市场上出现了大量良性和恶意应用程序。鉴于应用程序数量庞大，基于签名的方法无法有效检测恶意软件，机器学习技术在该领域也因此得到广泛应用。在此背景下，在恶意软件检测研究中陈述列联表中获得的准确率值已成为一种流行且有效的方法，使研究人员能够比较评估各自的方法。在本研究中，我们希望调查并强调可能影响研究人员所管理模型准确率值的因素，特别是反汇编方法和输入数据特征。首先，我们开发了一个使用长短期记忆网络（LSTM）从自然语言处理（NLP）视角解决恶意软件检测问题的模型。然后，我们实验了不同的基本单元（指令、基本块、方法和类）以及从三种常用反汇编工具（JEB、IDA和Apktool）获得的源代码表示，并检查了结果。我们的发现表明，反汇编方法和不同的输入表示会影响模型结果。更具体地说，与其他两种反汇编工具相比，Apktool收集的数据集取得了更好的结果。
引用
@article{arxiv.2312.01113,
title = {Malicious code detection in android: the role of sequence characteristics and disassembling methods},
author = {Pinar G. Balikcioglu and Melih Sirlanci and Ozge A. Kucuk and Bulut Ulukapi and Ramazan K. Turkmen and Cengiz Acarturk},
journal= {arXiv preprint arXiv:2312.01113},
year = {2023}
}
备注
12 pages, 1 figure, 8 tables, journal article