删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

基于深度学习的Android恶意软件检测:成果与挑战

本站小编 Free考研考试/2022-01-03

陈怡1, 3, 4,
唐迪2,
邹维1, 3, 4,,
1.中国科学院信息工程研究所 北京 100093
2.香港中文大学 香港 999077
3.中国科学院网络测评技术重点实验室 北京 100093
4.中国科学院大学网络空间安全学院 北京 100049
基金项目:中国科学院重点实验室基金(CXJJ-19S022)

详细信息
作者简介:陈怡:1991年生,博士生,研究方向为移动应用安全、漏洞挖掘
唐迪:1991年生,博士生,研究方向为基于机器学习的安全研究
邹维:1964年生,研究员,博士生导师,研究方向为网络与软件安全
通讯作者:邹维 zouwei@iie.ac.cn
1)百度手机助手:https://shouji.baidu.com2)小米应用商店:http://app.mi.com3)华为应用市场:https://appstore.huawei.com4)VirusTotal:https://www.virustotal.com
5)下载地址:http://R2D2.TWMAN.ORG
6)表3表4表5中,加粗条目表示该指标下最优异的测试结果。
中图分类号:TP309.5

计量

文章访问数:1095
HTML全文浏览量:368
PDF下载量:107
被引次数:0
出版历程

收稿日期:2020-01-20
修回日期:2020-07-30
网络出版日期:2020-08-07
刊出日期:2020-09-27

Android Malware Detection Based on Deep Learning: Achievements and Challenges

Yi CHEN1, 3, 4,
Di TANG2,
Wei ZOU1, 3, 4,,
1. Institute of Information Engineering, Chinese Academy of Sciences, Beijing 100093, China
2. Chinese University of Hong Kong, Hongkong 999077, China
3. Key Laboratory of Network Assessment Technology, Chinese Academy of Sciences, Beijing 100093, China
4. School of Cyber Security, University of Chinese Academy of Sciences, Beijing 100049, China
Funds:Foundation of Key Laboratory of Network Assessment Technology, Chinese Academy of Sciences (CXJJ-19S022)


摘要
摘要:随着Android应用的广泛使用,Android恶意软件数量迅速增长,对用户的财产、隐私等造成的安全威胁越来越严重。近年来基于深度学习的Android恶意软件检测成为了当前安全领域的研究热点。该文分别从数据采集、应用特征、网络结构、效果检测4个方面,对该研究方向已有的学术成果进行了分析与总结,讨论了它们的局限性与所面临的挑战,并就该方向未来的研究重点进行了展望。
关键词:移动安全/
Android恶意软件/
Android应用/
深度学习/
机器学习
Abstract:With the prosperous of Android applications, Android malware has been scattered everywhere, which raises the serious security risk to users. On the other hand, the rapid developing of deep learning fires the combat between the two sides of malware detection. Inducing deep learning technologies into Android malware detection becomes the hottest topic of society. This paper summarizes the existing achievements of malware detection from four aspects: Data collection, feature construction, network structure and detection performance. Finally, the current limitations and facing challenges followed by the future researches are discussed.
Key words:Mobile security/
Android malware/
Android application/
Deep learning/
Machine learning
注释:
1) 1)百度手机助手:https://shouji.baidu.com2)小米应用商店:http://app.mi.com3)华为应用市场:https://appstore.huawei.com4)VirusTotal:https://www.virustotal.com
2) 5)下载地址:http://R2D2.TWMAN.ORG
3) 6)表3表4表5中,加粗条目表示该指标下最优异的测试结果。



PDF全文下载地址:

https://jeit.ac.cn/article/exportPdf?id=890677f4-9723-4037-8e9d-bd5ff764eea8
相关话题/网络 软件 中国科学院 北京 测试