基于 N-gram 操作码分析的安卓恶意软件检测
密码学与安全
2016-12-06 v1 人工智能
摘要
近年来，由于安卓系统的日益普及以及第三方应用市场的泛滥，安卓恶意软件持续增长。新兴的安卓恶意软件家族越来越多地采用复杂的检测规避技术，这要求更有效的安卓恶意软件检测方法。因此，本文提出并评估了一种基于 n-gram 操作码特征的方法，该方法利用机器学习来识别和分类安卓恶意软件。这种方法能够实现自动化的特征发现，无需依赖先验的专家或领域知识来预定义特征。此外，通过使用数据分割技术进行特征选择，我们的分析能够扩展到高达 10-gram 的操作码。我们在包含 2520 个样本的数据集上进行的实验表明，使用基于 n-gram 操作码的方法，F 值达到了 98%。我们还提供了实证发现，阐明了可能影响整体 n-gram 操作码性能趋势的因素。
引用
@article{arxiv.1612.01445,
title = {N-gram Opcode Analysis for Android Malware Detection},
author = {BooJoong Kang and Suleiman Y. Yerima and Sakir Sezer and Kieran McLaughlin},
journal= {arXiv preprint arXiv:1612.01445},
year = {2016}
}