Android恶意APP多视角家族分类方法

摘要：

针对现有Android恶意软件家族分类方法特征构建完备性不足、构建视角单质化等问题,提出了一种多视角特征规整的卷积神经网络(CNN)恶意APP家族分类方法.该方法结合MinHash算法.将软件中Android框架系统API、操作码序列、AndroidManifest.xml文件中的权限和Intent组合3个视角的原始特征在保留APP间相似度情况下进行规整,并利用多路卷积神经网络完成对各视图的特征提取和信息融合,构建一套恶意APP家族分类模型.基于公开数据集Drebin、Genome、AMD的实验结果表明:恶意APP家族分类准确率超过0.96,证明了所提方法能够充分挖掘各视角的行为特征信息,能有效利用多视角特征间的异构特性,具有较强的实用价值.

关键词：Android恶意软件、家族分类、多视角特征、行为语义、卷积神经网络(CNN)

所属期刊栏目：48

分类号：V219;TP317(基础理论及试验)

资助基金：国家242信息安全计划;工信部信息安全软件项目

在线出版日期：2022-06-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：795-804