Resumen

Con la popularidad de las aplicaciones de Android, el malware de Android tiene una tendencia de crecimiento exponencial. Con el fin de detectar el malware de Android de manera efectiva, este artículo propone un nuevo modelo de detección estática ligero, utilizando técnicas de simplificación de instrucciones y aprendizaje automático. En primer lugar, se propone un método de simplificación basado en símbolos para abstraer la secuencia de códigos de operación descompilados de los archivos ejecutables de Android Dalvik. Luego, se emplea el método N-gram para extraer características de la secuencia de códigos de operación simplificada, y se entrena un clasificador para las tareas de detección y clasificación de malware. Para mejorar la eficiencia y escalabilidad del modelo de detección propuesto, también se utiliza un procedimiento de compresión para reducir características y seleccionar ejemplares para el conjunto de datos de muestras de malware. El modelo propuesto se compara con las herramientas antivirus de última generación en el mundo real utilizando el conjunto de datos Drebin. Los resultados experimentales muestran que el modelo propuesto puede obtener una tasa de precisión más alta y una tasa de falsa alarma más baja con una eficiencia satisfactoria.

• Materias:Lector de pantalla Interfaz de usuario Localización en interiores Realidad virtual móvil Redes móviles
• Subjects:Screen reader User interface Indoor localization Mobile virtual reality Mobile networks
• Palabras claves:Aplicaciones android; Detección de malware; Modelo de detección estática; Técnica de aprendizaje automático; Secuencia de opcodes; N-gram
• Keywords:Android applications; Malware detection; Static detection model; Machine learning technique; Opcode sequence; N-gram