面向可靠恶意软件检测的安卓应用精确标注方法
密码学与安全
2020-07-02 v1 机器学习
软件工程
摘要
研究者在训练其新开发的恶意软件检测方法时，依赖于基于阈值的标注策略来解读 VirusTotal 等在线平台提供的扫描报告。该平台的动态性使得这些标注策略在较长时间内不可持续，从而导致不准确的标注。使用标注不准确的安卓应用来训练和评估恶意软件检测方法，会严重损害其结果可靠性，导致要么摒弃本有前景的检测方法，要么采纳本质不充分的检测方法。通过人工分析生成准确标注的不可行性以及缺乏可靠替代方案，迫使研究者利用 VirusTotal 来标注应用。在本文中，我们以两种方式解决该问题。首先，我们揭示 VirusTotal 动态性的各个方面及其如何影响基于阈值的标注策略，并就如何在 VirusTotal 动态性下可靠地使用这些标注策略提供可操作的见解。其次，我们通过（a）识别此类平台应避免的 VirusTotal 局限性，以及（b）提出此类平台如何构建以缓解 VirusTotal 局限性的架构，来推动替代平台的实现。
引用
@article{arxiv.2007.00464,
title = {Towards Accurate Labeling of Android Apps for Reliable Malware Detection},
author = {Aleieldin Salem},
journal= {arXiv preprint arXiv:2007.00464},
year = {2020}
}