科研之友
微信
新浪微博
Facebook
分享链接
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。
- 单位
