Beyond Decision: Android Malware Description Generation through Profiling Malicious Behavior Trajectory

doi:10.1145/3715909

Beyond Decision: Android Malware Description Generation through Profiling Malicious Behavior Trajectory

2025-08-14

0

PRE

AI

DOI：10.1145/3715909

原文求助

摘要

En 中文

恶意软件家族标签和用于安卓恶意软件检测模型决策的关键特征，因其粒度过粗，难以精确理解恶意行为。为解决这些问题，本文首先引入恶意行为轨迹（MBT）的概念，并提出一种名为ProMal的创新方法。ProMal旨在通过从恶意软件中提取的MBTs，为用户提供自动生成细粒度恶意软件描述。具体而言，通过大量人力构建了一个MBT标记数据集，用于建立行为知识图谱（BxKG）。该BxKG具有可扩展性，并可通过两种策略自动更新，以确保其完整性和时效性：（1）考虑安卓SDK的演变；（2）利用广泛使用的恶意软件数据集挖掘新的MBTs。我们强调，知识图谱在ProMal中至关重要，因其结构化数据表示和语义关系建模能力，能够基于现有MBTs推理新的MBTs，从而有效提取安卓恶意软件中的真实MBTs。我们在一个近期恶意软件数据集上评估了ProMal，该数据集包含研究人员编写的恶意软件描述。基于BxKG的MBT识别精度、召回率和F1值分别达到96.97%、91.43%和0.94，优于当前最先进方法。以从安卓恶意软件中识别出的MBTs为输入，可使用大语言模型生成精确、细粒度且人类可读的描述，其可读性和可用性通过用户研究得到验证。生成的描述在解释和理解恶意行为方面发挥着重要作用。

Keyword:

malicious behavior trajectory

behavioral knowledge graph

Android malware detection

fine-grained malware description

ProMal

Beyond Decision: Android Malware Description Generation through Profiling Malicious Behavior Trajectory

摘要

期刊

机构

引用论文