基于卷积神经网络的Android恶意软件检测技术研究

• 作者: 刘亮 张磊 方勇 高杨晨
• 来源期刊: 四川大学学报（自然科学版）
• 学科: 工学
• 关键词: Android恶意软件 灰度图像 迁移学习 卷积神经网络
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 计算机科学
• 页码范围: 673-680
• 页数: 8页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.3969/j.issn.0490-6756.2020.04.009

摘要

Android系统的迅速迭代及其开源特性使得Android恶意软件产生大量的变种,这对Android恶意软件检测和分类带来不小的挑战.机器学习方法已成为恶意软件分类的主流方法,但现有的大多数机器学习方法都使用传统的算法(如支持向量机).目前卷积神经网络(CNN)作为一种深度学习方法表现出了更好的性能,特别是在图像分类等应用上.结合这一优势以及迁移学习的思想,本文提出了一种基于CNN架构的Android恶意软件检测和分类方法.首先,提取Android应用的DEX文件然后将其转换成灰度图像并放入CNN中进行训练分类.本文实验使用Drebin和Android Malware Dataset (AMD)两个样本集.实验结果显示,该方法在Android恶意软件家族分类上准确率达到97.36％,在Android恶意软件检测中在不同样本集上的准确率都达到了99％以上.实验表明,本文提出的方法具有较高的分类准确率和泛化性能.