基于深度神经网络的Android恶意软件检测方法

超凡，杨智，杜学绘，孙彦

（1.信息工程大学密码工程学院，河南 郑州 450001；2.中国电子技术标准化研究院，北京 100007）

1 引言

目前，Android操作系统已经牢牢占据半数以上的市场，是最受欢迎的智能移动平台之一。然而，这样的成功背后潜藏着大量的安全隐患。Android开放的生态环境为应用程序的编写提供了便利，但也使恶意软件可利用的漏洞增多。为了牟取金钱利益，恶意软件开发人员热衷于针对Android应用程序展开恶意活动，窃取用户隐私、重新打包良性应用等行为层出不穷。

恶意软件数量的快速增长促进了研究人员对安全工具的开发。虽然Android框架本身拥有沙箱隔离、权限机制等安全设计，但这不足以抵抗恶意软件越来越隐蔽多变的技术手段。在Android安全领域，已经有许多工作致力于检测恶意软件，主要分为动态分析和静态分析两类。动态分析在Android应用程序运行时跟踪其行为，而静态分析对应用的APK文件进行分析。随着人工智能技术的发展，基于机器学习的恶意软件检测方法逐渐得到探索，支持向量机（SVM，support vector machine）是其中的代表模型，代表工作有文献[1-3]。与传统机器学习算法相比，深度学习能够更充分地挖掘特征之间的深层联系，是近年来非常具有发展潜力的一个研究方向。

深度学习使用的特征可以通过动态或静态方式提取。文献[4-6]是使用动态特征的深度学习检测系统。Dahl等[4]首次将神经网络应用于恶意软件检测，从文件的动态分析中提取低级特征，通过随机映射降维，并使用深度神经网络（DNN，deep neural network）进行分类，他们的工作能够预测未知文件是恶意还是良性，也可以识别恶意软件所属类别。……