基于Swin-Transformer的可视化安卓恶意软件检测研究

摘要

为了更好地利用深度学习框架防范安卓平台上恶意软件攻击，提出了一种新的应用程序可视化方法，从而弥补了传统的采样方法存在的信息损失问题；同时，为得到更加准确的软件表示向量，使用了Swin-Transformer架构代替传统的卷积神经网络(CNN:Convolutional Neural Network)架构作为特征提取的主干网络。实验采用的数据集中的样本来自Drebin与CICMalDroid 2020数据集。研究结果表明，新提出的可视化方法优于传统的可视化方法，检测系统的准确率达到97.39%,具有较高的恶意软件识别能力。

关键词

安卓恶意软件 / 深度学习 / 计算机视觉

基金资助

山西省教育科学“十四五”规划基金资助项目(GH-221026); 晋城职业技术学院校级基金资助项目(LX2216)