基于敏感函数调用图表征学习的Android恶意软件检测方法
杜云龙1
赵生慧2
1.安徽理工大学 计算机科学与工程学院,安徽 淮南 2320012.滁州学院 人工智能学院,安徽 滁州 239000
摘要：针对Android恶意软件经常被混淆以逃避检测的问题,提出基于敏感函数调用图(sensitive function call graphs,SFCG)表征学习的敏感函数调用图检测(sensitive function call graphs detector,SFCG_Detector)方法,用于检测Android恶意软件.首先,通过静态分析提取函数调用图,并设计图修剪策略,保留与敏感应用程序接口(application programming interface,API)相关的关键节点,降低图的复杂性并保留行为语义.在节点表征方面,基于变换器的双向编码器表示(bidirectional encoder representation from transformers,BERT)模型与Katz中心性,提取节点的语义特征和结构重要性.随后,利用图采样与聚合(graph sample and aggregation,GraphSAGE)神经网络对敏感函数调用图进行层次化学习,生成图级嵌入以支持分类任务.使用经典的加拿大网络安全研究所恶意软件数据集 2020 版(Canadian institute for cybersecurity malware dataset 2020,CICMalDroid 2020)进行实验,结果表明,SFCG_Detector在恶意软件检测上的F1 分数达到98.75%,召回率达到 98.89%.相比其他方法,SFCG_Detector能有效地识别出Android恶意软件,性能上有明显提升.
关键词：Android恶意软件检测函数调用图图修剪语义知识图神经网络
分类号：TP309.5(计算技术、计算机技术)TP181(自动化基础理论)
资助基金：滁州市网信办网络安全实验室项目(HX2022122)
论文发表日期：2025-12-30
在线出版日期：2025-12-10（本平台首次上网日期，不代表文献的发表时间）
页数：6( 535-540 )
英文信息