| 基于卷积神经网络的Android恶意软件检测技术研究 |
| |
| 引用本文： | 高杨晨,方勇,刘亮,张磊.基于卷积神经网络的Android恶意软件检测技术研究[J].四川大学学报(自然科学版),2020,57(4):673-680. |
| |
| 作者姓名： | 高杨晨 方勇 刘亮 张磊 |
| |
| 作者单位： | 四川大学网络空间安全学院,成都610065;四川大学网络空间安全学院,成都610065;四川大学网络空间安全学院,成都610065;四川大学网络空间安全学院,成都610065 |
| |
| 基金项目： | 国家重点基础研究规划项目 |
| |
| 摘 要： | Android系统的迅速迭代及其开源特性使得Android恶意软件产生大量的变种,这对Android恶意软件检测和分类带来不小的挑战.机器学习方法已成为恶意软件分类的主流方法,但现有的大多数机器学习方法都使用传统的算法(如支持向量机).目前卷积神经网络(CNN)作为一种深度学习方法表现出了更好的性能,特别是在图像分类等应用上.结合这一优势以及迁移学习的思想,本文提出了一种基于CNN架构的Android恶意软件检测和分类方法.首先,提取Android应用的DEX文件然后将其转换成灰度图像并放入CNN中进行训练分类.本文实验使用Drebin和Android Malware Dataset(AMD)两个样本集.实验结果显示,该方法在Android恶意软件家族分类上准确率达到97.36%,在Android恶意软件检测中在不同样本集上的准确率都达到了99%以上.实验表明,本文提出的方法具有较高的分类准确率和泛化性能.
|
| 关 键 词： | Android恶意软件 灰度图像 迁移学习 卷积神经网络 |
| 收稿时间： | 2019/12/12 0:00:00 |
| 修稿时间： | 2019/12/31 0:00:00 |
Android Malware Detection Technology Based on Deep Convolutional Neural Network |
| |
| GAO Yang-Chen,FANG Yong,LIU Liang and ZHANG Lei.Android Malware Detection Technology Based on Deep Convolutional Neural Network[J].Journal of Sichuan University (Natural Science Edition),2020,57(4):673-680. |
| |
| Authors: | GAO Yang-Chen FANG Yong LIU Liang and ZHANG Lei |
| |
| Institution: | College of Cybersecurity, Sichuan University,College of Cybersecurity, Sichuan University,College of Cybersecurity, Sichuan University and College of Cybersecurity, Sichuan University |
| |
| Abstract: | |
| |
| Keywords: | Android Malware Grayscale Images Transfer Learning Convolutional Neural Network |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《四川大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《四川大学学报(自然科学版)》下载免费的PDF全文 |
|
