A novel detection method for unknown android malware via image representation

Shi Dong

doi:10.1016/j.jisa.2026.104451

A novel detection method for unknown android malware via image representation

2026-05-23

0

PRE

AI

DOI：10.1016/j.jisa.2026.104451

原文链接

原文求助

摘要

En 中文

随着移动设备使用的爆炸式增长，恶意软件攻击正变得越来越普遍。其中，未知的Android攻击尤为突出。尽管传统的恶意软件检测方法速度较快，但其准确性并不理想，因为它们仅提取浅层特征并忽略程序语义。为了解决未知Android检测数据处理时间长、无法提取深层特征以及有效缩短训练时间的问题，本研究提出了一种基于CAT模型的Android恶意软件检测方法。该方法将恶意软件样本转换为灰度图像，有助于更准确地表示恶意软件的结构，从而更好地应对其变种。本文采用CAT模型从恶意软件中提取局部和全局特征，以实现更准确的分类和识别。同时，引入深度可分离卷积和预训练权重的策略可以有效缩短训练时间，而不对称残差结构增强了模型的表达能力和非线性建模能力。在公开Android恶意软件数据集上的实验评估与其他基线方法的比较表明，所提出的方法在未知恶意软件家族分类和能力识别任务中实现了98.126%的准确率，同时将训练时间减少了18.6%。

Keyword:

Android

Malware detection

CNN

Transformer

Deep learning

A novel detection method for unknown android malware via image representation

摘要

期刊

机构

引用论文