《计算机应用研究》|Application Research of Computers

深度可分离卷积在Android恶意软件分类的应用研究

Research on application of convolutional network in Android malware classification

免费全文下载 (已被下载 次)  
获取PDF全文
作者 褚堃,万良,马丹,张志宁
机构 贵州大学 计算机科学与技术学院;贵州大学 软件与理论研究所
统计 摘要被查看 次,已被下载
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。基于此,文中将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7630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、召回率均具有较优效果。
关键词 Android恶意软件;注意力机制;深度可分离卷积;灰阶图像
基金项目 国家自然科学基金资助项目(62062020)
本文URL http://www.arocmag.com/article/02-2022-05-012.html
收稿日期
修回日期
页码 -
中图分类号 TP393.04
文献标志码