R2-D2：基于色彩启发的卷积神经网络（CNN）的安卓恶意软件检测
密码学与安全
2018-11-16 v5 人工智能
摘要
深度学习在图像识别和自然语言处理上的影响已引起全球巨大关注。能够无需先验特征提取即可学习的卷积神经网络非常适合于应对安卓恶意软件的快速迭代。传统的安卓恶意软件检测解决方案需要通过预提取特征持续学习，以维持识别恶意软件的高性能。为了减少在无需提取预选特征条件下的特征工程人力，我们开发了基于色彩启发的卷积神经网络（CNN）的安卓恶意软件检测（R2-D2）系统。该系统可将安卓归档文件中的classes.dex字节码转换为rgb颜色码，并存储为固定大小的彩色图像。该彩色图像被输入卷积神经网络以进行自动特征提取和训练。数据收集自2017年1月至2017年8月。在此期间，我们在研究合作伙伴Leopard Mobile Inc.的帮助下收集了约200万个良性与恶意安卓应用用于实验。实验结果表明所提系统对契约具有准确的安全分析。此外，我们将研究结果和实验材料保留在 http://R2D2.TWMAN.ORG。
引用
@article{arxiv.1705.04448,
title = {R2-D2: ColoR-inspired Convolutional NeuRal Network (CNN)-based AndroiD Malware Detections},
author = {TonTon Hsien-De Huang and Hung-Yu Kao},
journal= {arXiv preprint arXiv:1705.04448},
year = {2018}
}
备注
Verison 2018/11/15, IEEE BigData 2018, Seattle, WA, USA, Dec 10-13, 2018. (Accepted)