Android恶意软件检测

人工智能其他案例ID：228079

冷言

1 年经验· 华勤技术

微信扫码沟通，客服可协助直接对接工程师；如当前档期不合，也可继续推荐相似案例作者。

案例介绍

随着Android平台的爆炸性普及，恶意软件（恶意软件）的数量也在急剧增加。因此，已经提出了许多基于深度学习的恶意软件检测方案。然而，它们通常受到具有复杂架构和巨大参数的繁琐模型的困扰。它们通常需要强大的计算能力支持，这严重限制了它们在资源有限的实际应用环境（例如移动边缘设备）中的部署。为了克服这一挑战，我们提出了一种新的知识蒸馏（KD）结构——知识搜索（KS）。KS通过引入并行化的学生搜索方法，利用神经架构搜索（NAS）自适应地弥合KD中教师和学生网络之间的能力差距。此外，我们仔细分析了恶意软件的特点，并找到了与恶意攻击密切相关的三种经济高效的功能，即应用程序编程接口（API）、权限和易受攻击的组件，以描述Android应用程序（Apps）的特征。因此，基于近年来收集的典型样本，我们在利用特征之间的自然关系的同时对其进行细化，并构建相应的数据集。进行了大量实验，以调查KS在这些数据集上的有效性和可持续性。我们的实验结果表明，所提出的方法检测Android恶意软件的准确率为97.89%，其性能优于最先进的解决方案。