基于字节码图像和深度学习的Android恶意应用检测

摘要：

提出一种将字节码转换成彩色图像后,再采用深度学习模型的新型Android恶意应用检测方法.首先将Android应用的字节码文件映射为三通道的RGB彩色图像,同时计算局部信息熵值,并将其作为Alpha通道,与RGB图像融合为带透明度的RGBA彩色图像,最后利用卷积神经网络方法对图像进行分类,实现一个Android恶意应用检测原型系统.通过对8种恶意代码家族进行分类实验验证,并与灰度图等其他同类可视化成像方法进行对比,发现该方法具有检测速度快、精确度高等优点.

关键词：恶意代码检测、字节码图像、香农信息熵、深度学习、分类

所属期刊栏目：35

分类号：TP309(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61202282,61772026;国家自然科学基金与浙江省政府联合项目U1509214

在线出版日期：2019-03-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：9-17