MH-1M：面向机器学习、深度学习、大语言模型与威胁情报研究的 134 万样本综合性 Android 恶意软件数据集
密码学与安全
2025-11-04 v1 人工智能
机器学习
性能
摘要
我们提出 MH-1M，目前最全面且最新型的 Android 恶意软件高级研究数据集。该数据集包含 1,340,515 个应用程序，涵盖广泛的特征和大量元数据。为确保准确的恶意软件分类，我们采用 VirusTotal API，集成多个检测引擎进行全面可靠评估。我们的 GitHub、Figshare 和 Harvard Dataverse 存储库提供对处理后的数据集及其 extensive 补充元数据的开放访问，数据总量超过 400 GB，包括特征提取管道的输出以及相应的 VirusTotal 报告。我们的发现强调 MH-1M 数据集在理解恶意软件演变格局方面的不可估量的作用。
引用
@article{arxiv.2511.00342,
title = {MH-1M: A 1.34 Million-Sample Comprehensive Multi-Feature Android Malware Dataset for Machine Learning, Deep Learning, Large Language Models, and Threat Intelligence Research},
author = {Hendrio Braganca and Diego Kreutz and Vanderson Rocha and Joner Assolin and and Eduardo Feitosa},
journal= {arXiv preprint arXiv:2511.00342},
year = {2025}
}
备注
17 pages, 7 figures, 13 tables, submitted to the Scientific Data journal published by Nature Research