.png){kind=icon}
返回
Graph-augmented multi-modal learning framework for robust android malware detection
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-025-22169-x.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
Android的广泛采用使其成为日益复杂的恶意软件的主要目标，对移动安全构成了重大挑战。传统的静态或行为方法在处理混淆技术方面往往力不从心，且缺乏跨多个特征域的上下文整合。本研究提出GIT-GuardNet，一种新颖的图感知Transformer网络，利用多模态学习以高精度和鲁棒性检测Android恶意软件。GIT-GuardNet融合了三种互补视角：(i) 通过Transformer编码器捕获的静态代码属性，(ii) 经图注意力网络（GAT）建模的调用图结构，以及(iii) 利用时序Transformer学习的时序行为轨迹。这些编码器通过交叉注意力融合机制集成，该机制动态权衡跨模态依赖关系，使系统在良性及对抗性条件下均能做出更明智的决策。我们在包含15,036个Android应用（其中5,560个来自Drebin项目的恶意软件样本）的大规模数据集上进行了全面实验。GIT-GuardNet达到当前最佳性能，准确率达99.85%，精确率达99.89%，AUC为99.94%，优于传统机器学习模型、单视角深度网络以及DroidFusion等近期混合方法。消融研究证实了各模态的互补作用及交叉注意力设计的有效性。结果表明，GIT-GuardNet在混淆和隐蔽威胁场景下具有强大的泛化能力，推理开销低，且适用于实际移动威胁检测。本研究为未来安全移动计算及智能恶意软件防御研究提供了强大且可扩展的框架。
Keyword:
Android malware detection
Multi-modal learning
Static code analysis
Call graph modelling
Temporal behavior analysis
Deep learning
Cross-attention fusion
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:
3.9
论文数:
28.3W
被引数:
96.9W
机构
引用论文
Android Malware Detection Based on Hypergraph Neural Networks张, D.; 吴, X.; 何, E.; 郭, X.; 杨, X.; 李, R.; 李, H. 基于超图神经网络的Android恶意软件检测. 应用科学, 2023, 13, 12629. [谷歌学术] [交叉引用]
PREAI
分享收藏Multimodal malware classification using proposed ensemble deep neural network framework基于所提出的集成深度神经网络框架的多模态恶意软件分类.png)
SCIENTIFIC REPORTS
OAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏分享收藏Unveiling vulnerabilities in deep learning-based malware detection: Differential privacy driven adversarial attacksCOMPUTERS & SECURITY
COMPUTERS & SECURITYIF5.4
PREAI
分享收藏Android Malware Detection Based on Behavioral-Level Features with Graph Convolutional NetworksElectronicsOAAI
ElectronicsIF0
OAAI分享收藏Deep Image: A precious image based deep learning method for online malware detection in IoT environmentINTERNET OF THINGSOAAI
INTERNET OF THINGSIF7.6
OAAI分享收藏Deep learning-based detection of android malware using graph convolutional networks (gcn)基于图卷积网络（GCN）的Android恶意软件深度学习检测
IF0
PREAI
分享收藏GDroid: Android malware detection and classification with graph convolutional networkGDroid: 使用图卷积网络进行Android恶意软件检测和分类COMPUTERS & SECURITY
COMPUTERS & SECURITYIF5.4
PREAI
分享收藏An Efficiency Boost for Genetic Algorithms: Initializing the GA with the Iterative Approximate Method for Optimizing the Traveling Salesman Problem—Experimental Insights遗传算法效率提升：采用迭代近似法初始化GA以优化旅行商问题——实验洞见OAAI
OAAI分享收藏
查看更多内容