一种基于深度学习的强对抗性Android恶意代码检测方法

• 作者: 姜宇谦 徐超 李鹏伟 薛飞扬 黄佳佳
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 恶意代码 静态分析 动态分析 深度学习 长短时记忆网络
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 学术论文
• 页码范围: 1502-1508
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2020.08.007

摘要

针对现有Android恶意代码检测方法容易被绕过的问题,提出了一种强对抗性的Android恶意代码检测方法.首先设计实现了动静态分析相结合的移动应用行为分析方法,该方法能够破除多种反分析技术的干扰,稳定可靠地提取移动应用的权限信息、防护信息和行为信息.然后,从上述信息中提取出能够抵御模拟攻击的能力特征和行为特征,并利用一个基于长短时记忆网络(Long Short-Term Memory,LSTM)的神经网络模型实现恶意代码检测.最后通过实验证明了本文所提出方法的可靠性和先进性.