基于主动学习的Android重打包恶意软件激发与检测
密码学与安全
2018-08-07 v1
摘要
重打包是一种日益被Android恶意软件作者所采用的技术。致力于设计检测此类恶意软件技术的研究界所面临的主要问题是缺乏能够精确定位植入良性应用中的恶意片段的 ground truth。若无这一关键知识，难以训练能够有效分类新颖的、样本外重打包恶意软件的可靠分类器。为规避此问题，我们认为若允许分类器请求应用行为的新的、更精确的表示，则可训练可靠的分类器来检测重打包恶意软件。该学习技术被称为主动学习。本文中，我们提出使用主动学习来训练能够应对重打包恶意软件模糊性质的分类器。我们实现了一个架构Aion，其利用描绘主动学习的反馈回路连接重打包恶意软件的激发与检测过程。我们使用两个恶意软件数据集(Malgenome与Piggybacking)对Aion的样例实现进行评估，结果表明主动学习可优于常规检测技术，因此在检测Android重打包恶意软件方面具有巨大潜力。
引用
@article{arxiv.1808.01186,
title = {Stimulation and Detection of Android Repackaged Malware with Active Learning},
author = {Aleieldin Salem},
journal= {arXiv preprint arXiv:1808.01186},
year = {2018}
}