深度可分离卷积在Android恶意软件分类的应用研究
Research on application of depthwise separable convolution in Android malware classification
贵州大学 a. 计算机科学与技术学院; b. 软件与理论研究所, 贵阳 550025
摘要
传统机器学习在恶意软件分析上需要复杂的特征工程，不适用于大规模的恶意软件分析。为提高在Android恶意软件上的检测效率，将Android恶意软件字节码文件映射成灰阶图像，综合利用深度可分离卷积（depthwise separable convolution，DSC）和注意力机制提出基于全局注意力模块（GCBAM）的Android恶意软件分类模型。从APK文件中提取字节码文件，将字节码文件转换为对应的灰阶图像，通过构建基于GCBAM的分类模型对图像数据集进行训练，使其具有Android恶意软件分类能力。实验表明，该模型对Android恶意软件家族能有效分类，在获取的7 630个样本上，分类准确率达到98.91%，相比机器学习算法在准确率、召回率等均具有较优效果。
关键词
基金项目
国家自然科学基金资助项目(62062020)
出版信息
DOI: 10.19734/j.issn.1001-3695.2021.10.0435
出版期卷: 《计算机应用研究》 印刷出版, 2022年第39卷 第5期
所属栏目: 信息安全技术
出版页码: 1534-1540
文章编号: 1001-3695(2022)05-043-1534-07
发布历史
引用本文
褚堃, 万良, 马丹, 等. 深度可分离卷积在Android恶意软件分类的应用研究 [J]. 计算机应用研究, 2022, 39 (5): 1534-1540. (Chu Kun, Wan Liang, Ma Dan, et al. Research on application of depthwise separable convolution in Android malware classification [J]. Application Research of Computers, 2022, 39 (5): 1534-1540. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
