基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
随着对Android恶意软件检测精度和性能要求的提高,越来越多的Android恶意软件检测引擎使用人工智能算法.与此同时,攻击者开始尝试对Android恶意软件进行一定的修改,使得Android恶意软件可以在保留本身的功能的前提下绕过这些基于人工智能算法的检测.上述过程即是Android恶意软件检测领域的对抗攻击.本文梳理了目前存在的基于人工智能算法的Android恶意软件检测模型,概述了针对Android恶意软件检测模型的对抗攻击方法,并从特征和算法两方面总结了相应的增强模型安全性的防护手段,最后提出了Android恶意软件检测模型和对抗攻击的发展趋势,并分析了对抗攻击对Android恶意软件检测的影响.
推荐文章
基于协议分析技术的抗恶意软件攻击测试系统设计
协议分析技术
恶意软件攻击
测试系统
网络流量
评估准确性
抗攻击能力
安卓恶意软件的分析与检测
安卓
安全机制缺陷
恶意软件
逆向工程
静态检测
Android恶意软件检测方法研究综述
恶意软件检测
特征
机器学习
混淆矩阵
基于GCN的安卓恶意软件检测模型
图嵌入
图卷积神经网络
恶意软件检测
多特征
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 面向安卓恶意软件检测的对抗攻击技术综述
来源期刊 信息安全学报 学科
关键词 Android安全 恶意软件 对抗攻击
年,卷(期) 2021,(4) 所属期刊栏目
研究方向 页码范围 28-43
页数 16页 分类号 TP309.5
字数 语种 中文
DOI 10.19363/J.cnki.cn10-1380/tn.2021.07.02
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (8)
共引文献  (18)
参考文献  (4)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(2)
  • 参考文献(0)
  • 二级参考文献(2)
2015(2)
  • 参考文献(0)
  • 二级参考文献(2)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(1)
  • 参考文献(1)
  • 二级参考文献(0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
Android安全
恶意软件
对抗攻击
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
信息安全学报
双月刊
2096-1146
10-1380/TN
大16开
北京市海淀区闵庄路甲89号
2016
chi
出版文献量(篇)
252
总下载数(次)
7
论文1v1指导