一种基于改进深度残差收缩网络的恶意应用检测方法

来源：南京信息工程大学学报·自然科学版杂志2022年第3期北京时间：

作者：许历隆，翟江涛，林鹏，崔永富

单位：许历隆,南京信息工程大学 电子与信息工程学院, 南京, 210044,翟江涛,南京信息工程大学 电子与信息工程学院, 南京, 210044,jiangtaozhai@gmail.com林鹏,南京信息工程大学 电子与信息工程学院, 南京, 210044,崔永富,南京信息工程大学 电子与信息工程学院, 南京, 210044

摘要：恶意应用的快速增长给移动智能终端带来了巨大的安全威胁,实现恶意应用高精度检测对移动网络信息安全具有重要意义.本文提出一种基于改进深度残差收缩网络的恶意应用检测方法.首先将流量特征预处理成卷积神经网络输入,接着引入通道注意力机制和空间注意力机制,从通道和空间两个维度对样本特征进行加权.然后再引入深度残差收缩网络,自适应滤除样本冗余特征并通过恒等连接优化参数反向传播,减小模型训练和分类的难度,最终实现安卓恶意应用高精度识别.所提方法可避免手工提取特征,能实现高精度分类并且具有一定泛化能力.实验结果表明,所提方法在恶意应用的2分类、4分类和42分类中准确率分别为99.40％、99.95％和97.33％,与现有方法相比,具有较高的分类性能与泛化能力.

关键词：恶意应用;恶意家族;深度残差收缩网络;信息安全

基金资助：国家自然科学基金(U1836104,6177 2281,61801073,61931004,62072250);南京信息工程大学人才启动基金(2020r061)