基于深度学习的可扩展Android恶意软件检测和分类方案 |
| |
引用本文: | 毛慈伟,刘万里,李荣臻,尹魏昕.基于深度学习的可扩展Android恶意软件检测和分类方案[J].计算机与数字工程,2023(10):2346-2350. |
| |
作者姓名: | 毛慈伟 刘万里 李荣臻 尹魏昕 |
| |
作者单位: | 1. 南京理工大学计算机科学与工程学院;2. 南京医科大学附属南京医院(南京市第一医院)消化科 |
| |
基金项目: | 国家自然科学基金项目(编号:61973161,61991404);;江苏省科技计划项目(编号:BE2021610); |
| |
摘 要: | Android操作系统是目前移动设备中的主流操作系统之一。它拥有庞大的用户群,因此也出现了许多恶意的Android软件。每年,研究人员都会提出一些新的Android恶意软件分析框架来防御现实世界的Android恶意软件应用程序。论文使用主流的深度学习算法,构建了合适的神经网络,并在网络层之间增加修正线性单元,实现了Android恶意软件的检测和分类。通过对网络的训练,最终得到了一个比较好的恶意检测器(二元分类器)和三个多分类器的结果——基于静态恶意软件二分类器的准确率为95.74%,多分类器的准确率为92.98%,基于动态的恶意软件大类多分类器的准确率为84.48%,基于动态的恶意软件家族小类多分类器的准确率为60.34%。
|
关 键 词: | Android 恶意软件 深度学习 神经网络 线性修正单元 二分类器 多分类器 |
|