| 基于可解释性的Android恶意软件检测 |
| |
| 引用本文： | 黄海彬,万良,褚堃.基于可解释性的Android恶意软件检测[J].计算机系统应用,2022,31(12):29-40. |
| |
| 作者姓名： | 黄海彬 万良 褚堃 |
| |
| 作者单位： | 贵州大学 计算机科学与技术学院, 贵阳 550025;贵州大学 计算机软件与理论研究所, 贵阳 550025 |
| |
| 基金项目： | 国家自然科学基金(62062020) |
| |
| 摘 要： | 针对Android恶意软件检测, 通常仅有检测结果缺乏对其检测结果的可解释性. 基于此, 从可解释性的角度分析Android恶意软件检测, 综合利用多层感知机和注意力机制提出一种可解释性的Android恶意软件检测方法(multilayer perceptron attention-method, MLP_At). 通过提取Android恶意软件的应用权限和应用程序接口(application programming interface, API)特征来进行数据预处理生成特征信息, 采用多层感知机对特征学习. 最后, 利用BP算法对学习到的数据进行分类识别. 在多层感知机中引入注意力机制, 以捕获敏感特征, 根据敏感特征生成描述来解释应用的核心恶意行为. 实验结果表明所提方法能有效检测恶意软件, 与SVM、RF、XGBoost相比准确率分别提高了3.65%、3.70%和2.93%, 并能准确地揭示软件的恶意行为. 此外, 该方法还可以解释样本被错误分类的原因.
|
| 关 键 词： | Android 恶意软件检测 多层感知机 可解释性 注意力机制 BP算法 |
| 收稿时间： | 2022/3/6 0:00:00 |
| 修稿时间： | 2022/4/2 0:00:00 |
Interpretability-based Android Malware Detection |
| |
| HUANG Hai-Bin,WAN Liang,CHU Kun.Interpretability-based Android Malware Detection[J].Computer Systems& Applications,2022,31(12):29-40. |
| |
| Authors: | HUANG Hai-Bin WAN Liang CHU Kun |
| |
| Affiliation: | College of Computer Science and Technology, Guizhou University, Guiyang 550025, China;Institute of Computer Software and Theory, Guizhou University, Guiyang 550025, China |
| |
| Abstract: | |
| |
| Keywords: | Android malware detection multilayer perceptron interpretability attention mechanism BP algorithm |
|
| 点击此处可从《计算机系统应用》浏览原始摘要信息 |
|
点击此处可从《计算机系统应用》下载全文 |
|
