基于可视化特征的Android恶意软件分类模型

作者：桑振; 李坤明; 庄海燕

来源：长春师范大学学报, 2022, 41(04): 56-61.

• Android恶意软件
• 特征可视化
• MobileNet-V1
• 卷积神经网络

Android恶意软件严重影响用户的使用体验，威胁用户的财产安全、个人隐私。如何快速且准确地实现Android设备上恶意软件的分类成为研究热点。本文分析Android恶意软件的静态特征，通过可视化方法获得恶意软件的特征图像，采用卷积神经网络(CNN)来学习恶意软件的泛化特征。针对卷积神经网络在特征学习中内存资源占用过大的问题，运用MobileNet-V1模型对卷积神经网络进行轻量化改造，实现Android设备上恶意软件的快速分类。通过实验，本文搭建的模型对Android设备上恶意软件分类准确率达到85.9%,分类速度达到21.95 ms/次。相较于传统方法，本文模型在保持较高分类准确率的情况下大幅提升分类速度，减少网络计算复杂度，可以实现对终端设备上恶意软件的快速且准确的分类。

• 单位
  铁道警察学院