融合CBAM的违法犯罪类安卓恶意软件检测与分类模型研究

来源：计算机工程与应用杂志2025年第6期北京时间：

作者：刘红玉, 高见

单位：中国人民公安大学 信息网络安全学院，北京 100038

摘要：针对公安工作领域移动终端APP违法犯罪日益频发的情况，为解决Android恶意违法犯罪软件检测领域中相关数据集数量少、分类不清晰，识别Android恶违法软件可行性方法匮乏等情况，提出了一种基于安卓违法犯罪APP数据集，融合CBAM注意力机制的深度学习模型。收集6?181个违法犯罪类APP并整理划分为4个家族；对违法APP软件进行灰度图、RGB以及RGBA三种图像可视化处理；利用融合CBAM注意力机制的深度模型进行家族检测分类。在违法犯罪APP数据集上的实验表明，融合CBAM机制的Resnet18模型在RGBA图像上与未引入该机制的灰度图图像相比，准确度提升了4.04%，达到93.52%。融合CBAM机制的模型在公开Drebin数据集上进行了验证，引入CBAM深度学习模型VGG16在RGBA图像上取得了96.35%的准确率。

关键词：违法犯罪,安卓恶意软件,RGBA图像,可视化处理,卷积块注意力模块（CBAM）,深度学习