计算机应用研究

作者：褚堃,万良,马丹,张志宁,

单位：贵州大学a.计算机科学与技术学院;b.软件与理论研究所,贵阳550025；

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：国家自然科学基金资助项目(62062020)；；

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。

来源：2022年第5期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第5期