融合MAML和CBAM的安卓恶意应用家族分类模型

作     者：苏庆 林佳锐 黄海滨 黄剑锋 SU Qing;LIN Jiarui;HUANG Haibin;HUANG Jianfeng

作者机构：广东工业大学计算机学院广州510006 

基　　金：国家自然科学基金(618002072) 广东省自然科学基金(2018A030313389) 教育部产学合作协同育人项目(202002182022) 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2023年第59卷第2期

页      码：271-279页

摘      要：为满足对新兴安卓恶意应用家族的快速检测需求,提出一种融合MAML(model-agnostic meta-learning)和CBAM(convolutional block attention module)的安卓恶意应用家族分类模型MAML-CAS。将安卓恶意应用样本集中的DEX文件可视化为灰度图,并构建任务集;融合混合域注意力机制CBAM,设计两个具有同等结构的卷积神经网络,分别作为基学习器和元学习器,这两个学习器在自动提取任务集中样本特征的同时,可从通道和空间两个维度来增强关键特征表达;利用元学习方法MAML对两个学习器进行训练,其中基学习器完成特定恶意家族分类任务的属性学习,元学习器则学习不同任务的共性;在两个学习器训练完成后,MAML-CAS将获得初始化参数,在面对新的安卓恶意应用家族分类任务时,不需要重新训练,只需要少量样本就可以快速迭代;利用训练完成的基学习器提取安卓恶意应用家族特征,并利用SVM进行恶意家族分类。实验结果表明,MAML-CAS模型对新兴小样本安卓恶意应用家族具有良好的检测效果,检测速度较快,并具有较好的稳定性。

主 题 词：安卓恶意应用家族分类 MAML CBAM 卷积神经网络 支持向量机 

学科分类：08[工学] 0835[0835] 081202[081202] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3778/j.issn.1002-8331.2110-0492

馆 藏 号：203117954...