用于 Android 恶意软件分类与归类的 N-opcode 分析
密码学与安全
2016-07-28 v1 人工智能
摘要
由于日益普及且可访问众多第三方应用市场，恶意软件检测在 Android 移动平台上日益成为严重问题。新兴恶意软件家族所采用的日益复杂的检测规避技术使情况更加恶化。这要求有更有效的技术来检测和分类 Android 恶意软件。因此，在本文中，我们提出了一种基于 n-opcode 分析的方法，该方法利用机器学习对 Android 恶意软件进行分类和归类。该方法实现了自动化特征发现，从而无需应用专家或领域知识来定义所需特征。我们在 2520 个样本上进行的实验（使用高达 10-gram 的 opcode 特征）表明，使用该方法可以达到 98% 的 f-measure。
引用
@article{arxiv.1607.08149,
title = {N-opcode Analysis for Android Malware Classification and Categorization},
author = {BooJoong Kang and Suleiman Y. Yerima and Kieran McLaughlin and Sakir Sezer},
journal= {arXiv preprint arXiv:1607.08149},
year = {2016}
}
备注
7 pages, 8 figures, conference