.png){kind=icon}
返回
A Lightweight On-Device Detection Method for Android Malware
.png){kind=icon}
PRE
AI
DOI：10.1109/TSMC.2019.2958382.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
Android恶意软件对用户构成严重威胁，因此对恶意软件检测提出了迫切需求。云中Android恶意软件检测通常会遭受隐私泄露和通信开销。因此，本文主要介绍设备上的Android恶意软件检测。目前，设备上的恶意软件检测器通常在服务器上训练，然后移植到移动设备 (例如，智能手机)。在实践中，由于离线更新的需求，设备上的培训尤为重要。然而，由于移动设备的资源有限，因此很难实现设备上的训练，尤其是对于那些高复杂度的恶意软件检测器。为了克服这一挑战，我们基于最近提出的广泛学习方法，设计了一种轻量级的设备上Android恶意软件检测器。我们的检测器主要使用一次性计算进行模型训练。因此，它可以直接在移动设备上完全或增量地训练。就检测精度而言，我们的检测器优于基于浅层学习的模型，包括支持向量机 (SVM) 和AdaBoost，并接近基于深度学习的模型多层感知器 (MLP) 和卷积神经网络 (CNN)。而且，我们的检测器比现有的检测器对对抗性示例更具鲁棒性，并且可以通过设备上模型的重新训练来进一步提高其鲁棒性。最后，通过广泛的实验证实了其优势，并通过在智能手机上的运行时评估证明了其实用性。
Keyword:
Malware
Training
Detectors
Feature extraction
Servers
Smart phones
Android malware detection
broad learning
information security
machine learning
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
10.5
论文数:
1.1W
被引数:
5.0W
机构
暂无机构信息
引用论文
.png){kind=icon}
查看更多内容