软件学报

作者：吴月明，齐蒙，邹德清，金海

单位：吴月明，大数据技术与系统国家地方联合工程研究中心 (服务计算技术与系统教育部重点实验室 华中科技大学), 湖北 武汉 430074;分布式系统安全湖北省重点实验室, 湖北 武汉 430074;华中科技大学 网络空间安全学院, 湖北 武汉 43007411,齐蒙，大数据技术与系统国家地方联合工程研究中心 (服务计算技术与系统教育部重点实验室 华中科技大学), 湖北 武汉 430074;分布式系统安全湖北省重点实验室, 湖北 武汉 430074;华中科技大学 网络空间安全学院, 湖北 武汉 43007402,邹德清，大数据技术与系统国家地方联合工程研究中心 (服务计算技术与系统教育部重点实验室 华中科技大学), 湖北 武汉 430074;分布式系统安全湖北省重点实验室, 湖北 武汉 430074;华中科技大学 网络空间安全学院, 湖北 武汉 43007403,金海，大数据技术与系统国家地方联合工程研究中心 (服务计算技术与系统教育部重点实验室 华中科技大学), 湖北 武汉 430074;华中科技大学 计算机科学与技术学院, 湖北 武汉 43007404

关键词：安卓恶意软件;抗混淆;函数调用图;抽象API;图卷积网络

基金：国家自然科学基金（62172168）；湖北省重点研发计划（2021BAA032）

自安卓系统发布以来，由于其开源、硬件丰富和应用市场多样等优势，该系统已成为全球使用最广泛的手机操作系统.同时，安卓设备和安卓应用的爆炸式增长也使其成为96%移动恶意软件的攻击目标.在现有的安卓恶意软件检测方法中，忽视程序语义而直接提取简单程序特征的方法，其检测速度快但精确度不够理想，将程序语义转换为图模型并采用图分析的方法，其精确度虽高但开销大且扩展性低.为了解决上述挑战，将应用的程序语义提取为函数调用图，在保留语义信息的同时，采用抽象API技术将调用图转换为抽象图，以减少运行开销并增强鲁棒性.基于得到的抽象图，以Triplet Loss损失训练构建基于图卷积网络的抗混淆安卓恶意软件分类器SriDroid.对20 246个安卓应用进行实验分析后发现：SriDroid可以达到99.17%的恶意软件检测精确度，并具有良好的鲁棒性.

来源：2023年第6期

《软件学报》期刊编辑部

查看软件学报杂志2023年第6期