卷积神经网络对恶意软件识别的应用

笪 海, 周 丽
四川大学锦城学院 计算机与软件学院

摘要

随着互联网和社会的现代化发展，人们经常会使用手机的一些应用来方便自己的生活，但由于这类应用大多数需要用户的敏感信息，所以有些不怀好意的人开发恶意软件对用户的手机进行感染，而在这一情况在安卓平台的尤为严重。为了能将下载完毕后的文件检测出是否为恶意软件，本文采取了一种静态检测的方法，通过对下载的APK文件进行反编译和解压缩等手段，从中提取出软件权限，将权限转化成特征图后，放入神经网络中进行检测，经过四折交叉检验后，得到的在验证集上的平均准确率为88.205%。然后选取训练网络的数据集准确率最高的一组作为最终网络的训练集，最后在测试集上进行测试，结果表示，相较于传统的机器学习的方法，使用这种方式的效果更好。

关键词

卷积神经网络；安卓恶意软件；交叉验证；权限

参考

[1] 李靖平. 一种基于权限的安卓恶意软 件检测方法[J]. 西北民族大学学报(自然科学版 ),2017,38(02):9-13.

[2] 胡小春, 朱成宇, 陈燕. 深度卷积神经网络模 型的研究分析[J].信息技术与信息化,2021(04):107- 110.

[3] 梁杰, 陈嘉豪, 张雪芹, 周悦, 林家骏.基于 独热编码和卷积神经网络的异常检测[J]. 清华大学学 报(自然科学版),2019,59(07):523-529.

[4] 傅依娴, 芦天亮, 马泽良. 基于One-Hot 的CNN 恶意代码检测技术[J]. 计算机应用与软 件,2020,37(01):304-308,333.

[5] 张雨薇, 黄迎春. 基于机器学习的恶意软件分 类识别研究[J]. 科技资讯,2018,16(30):9-11.

[6] 张雪涛, 孙蒙, 王金双. 基于操作码的安卓 恶意代码多粒度快速检测方法[J].网络与信息安全学 报,2019,5(06):85-94.

[7] 滕越, 王天宝. 安卓恶意软件检测模型研究 [J].科技风,2017(02):51,61.