基于深度学习的可扩展Android恶意软件检测和分类方案

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%。