Android Malware Category and Family Detection and Identification using Machine Learning
Al-Azhar University(爱资哈尔大学);Egyptian Chinese University(埃中大学)
Android恶意软件是互联网上最危险的威胁之一,并且多年来一直在上升。尽管在从无害的android应用程序中检测和分类android恶意软件方面付出了巨大的努力,但还有很长的路要走。因此,需要对最常见的Android恶意软件类别和系列所显示的行为进行基本了解。每个Android恶意软件家族和类别都有不同的目标。因此,它影响了每个企业领域,包括医疗保健、银行、运输、政府和电子商务。本文提出了两种机器学习方法用于Android恶意软件的动态分析:一种用于检测和识别Android恶意软件类别,另一种用于检测和识别Android恶意软件家族。我们的方法在Android恶意软件类别检测中达到了96%以上的准确率,在Android恶意软件家族检测中达到了99%以上的准确率。我们的方法提供了一种对Android恶意软件进行高准确性动态分析的方法,同时还缩短了分析智能手机恶意软件所需的时间。
2021-07-05 cs.AI cs.CR cs.LG
MalwareDNA: Simultaneous Classification of Malware, Malware Families, and Novel Malware
Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室);University of Maryland, Baltimore County(马里兰大学巴尔的摩县分校)
本文提出一种新方法,可同时精确识别新型恶意软件家族,并统一恶意软件/良性软件分类与家族分类于单一框架,应对现有机器学习方法忽视现实挑战的问题。
2023-09-04 cs.CR cs.LG
Virtual Machine Introspection Based Malware Behavior Profiling and Family Grouping
恶意软件的扩散归因于少数原始恶意软件源代码的更改。同源交替出现的恶意软件具有一些共同的内在行为,形成了一个恶意软件家族。当恶意软件首次出现在互联网上时,识别其恶意软件家族可以为减轻威胁提供有用的线索。本文提出了一个恶意软件分析器(VMP),利用虚拟机内省(VMI)技术来分析恶意软件的执行行为。VMP在虚拟机监视器(VMM)中插入插件,以记录调用的API调用及其输入参数和返回值作为恶意软件的配置文件。在本文中,流行的相似性度量Jaccard距离和系统发生树的构建方法来发现恶意软件家族。对恶意软件配置文件的研究表明,来自恶意软件家族的恶意软件彼此非常相似,并且与其他恶意软件家族以及良性软件不同。本文还研究了VMP对现有的反恶意软件检测引擎和一些著名的恶意软件分组方法,比较其恶意软件家族的建设的好处。提出了一种对等投票方法,结果表明,VMP是优于几乎所有的反恶意软件引擎比较,并与微调文本挖掘方法和高阶N-gram方法兼容。我们还建立了一个基于VMP的恶意软件分析网站,用于恶意软件研究。
2017-05-04 cs.CR
Clustering based opcode graph generation for malware variant detection
ST Engineering(新加坡科技工程有限公司)
恶意软件是网络空间中威胁行为者进行攻击的关键手段。市场上有大量的商业解决方案和重要的科学研究来应对检测和防御恶意软件的挑战。与此同时,攻击者还提高了他们创建多态和变形恶意软件的能力,使现有解决方案面临越来越大的挑战。为了解决这个问题,我们提出了一种方法来执行恶意软件检测和家庭归属。所提出的方法首先执行从每个家庭中的恶意软件的操作码的提取,并构建各自的操作码图。我们探讨使用聚类算法的操作码图检测集群的恶意软件在同一恶意软件家族。这些集群可以被视为属于不同的亚家族群体。从每个检测到的集群构建操作码图签名。因此,对于每个恶意软件家族,生成一组签名来表示该家族。这些签名用于将未知样本分类为良性或属于恶意软件家族之一。我们评估我们的方法进行实验的数据集上的良性文件和恶意软件样本属于一些不同的恶意软件家族,并比较现有的方法的结果。
2022-11-18 cs.AI cs.CR cs.LG
DAEMON: Dataset-Agnostic Explainable Malware Classification Using Multi-Stage Feature Mining
Ben-Gurion University of the Negev(内盖夫本-古里安大学)
许多变形和多态的恶意变种每天都由变异引擎自动生成,这些变异引擎在保留恶意程序功能的同时转换恶意程序的代码,以逃避基于签名的检测。这些自动化过程大大增加了恶意软件变体的数量,认为完全手动分析是不可能的。恶意软件分类是确定新的恶意变体属于哪个家族的任务。相同恶意软件家族的变体显示出相似的行为模式。因此,对新发现的恶意程序和应用程序进行分类有助于评估它们构成的风险。此外,恶意软件分类便于确定新发现的变体中的哪些变体应当经历安全专家的手动分析,以便确定它们是否属于新家族(例如,其成员利用零日漏洞的人)或者仅仅是已知恶意家族内的概念漂移的结果。这激发了近年来对设计高精度恶意软件自动分类工具的深入研究。在这项工作中,我们提出了DAEMON -一种新的不可知的恶意软件分类器。DAEMON的一个关键属性是它使用的功能类型和挖掘它们的方式有助于理解恶意软件家族的独特行为,使其分类决策变得可解释。我们已经使用x86二进制文件的大规模数据集优化了DAEMON,该数据集属于针对运行Windows的计算机的几个恶意软件家族的混合。然后,我们重新训练了它,并将其应用于另外两个大规模的恶意Android应用程序数据集,其中包括许多恶意软件家族,而没有任何算法更改,功能重新设计或参数调整。DAEMON在所有数据集上都获得了高度准确的分类结果,这表明它也是平台无关的。
2021-06-25 cs.CR cs.LG
Detecting Concept Drift in Evolving Malware Families Using Rule-Based Classifier Representations
Faculty of Information Technology Czech Technical University(捷克技术大学信息科技学院);Department of Computer Science, San Jose State University(圣何塞州立大学计算机科学系)
本文提出利用决策树规则集检测恶意软件分类中的概念漂移,通过时间窗口和特征重要性等指标评估,发现固定两个月窗口和特征皮尔逊相关性是最可靠配置,所有家族对均产生正漂移-准确率相关性。
2026-04-24 cs.CR cs.LG
FamDroid: Learning-Based Android Malware Family Classification Using Static Analysis
Android是目前世界上使用最广泛的智能手机平台。由于其流行性和开源性,Android恶意软件近年来增长迅速,给用户的隐私带来了极大的风险。恶意软件家族中的恶意软件应用可以具有共同的特征和类似的行为,这对于恶意软件检测和检查是有益的。因此,将Android恶意软件分类到其相应的家族中是恶意软件分析中的重要任务。目前,现有Android恶意软件家族分类研究工作存在的主要问题在于,提取的特征不足以代表恶意软件家族中恶意软件的共同行为特征,且利用单一分类器或静态集成分类器进一步提高分类精度受到限制。在本文中,我们提出了FamDroid,一个基于学习的Android恶意软件家族分类方案,使用静态分析技术。在FamDroid中,从恶意软件应用程序的apk文件中提取显式功能,包括权限、硬件组件、应用程序组件、意图过滤器。此外,从提取的API中生成的隐藏特征用于表示应用程序中的API调用关系。然后,我们设计了一个自适应加权集成分类器,它考虑了样本对每个基分类器的适应性,进行准确的恶意软件家族分类。我们在包含5560个Android恶意应用程序的Drebin数据集上进行了实验。通过与5种传统的机器学习模型和4种最先进的参考方案的比较,证明了FamDroid的优越性。FamDroid可以正确地将98.92%的恶意软件样本分类到它们的家族中,并达到99.12%的F1分数。
2021-01-29 cs.CR
Andro-Simnet: Android Malware Family Classification Using Social Network Analysis
在移动设备的快速适应性使我们的日常生活变得更加便利的同时,来自恶意软件的威胁也在增加。针对恶意软件检测的研究很多,但大多数都采用基于特征码的恶意软件检测方法,容易被多态和变形恶意软件绕过。为了检测恶意软件及其变种,必须采用基于行为的检测来进行有效的恶意软件分类。本文提出了一种系统,分类恶意软件,通过使用共同的行为特征,以及恶意软件的家庭。我们衡量恶意软件家族之间的相似性,精心挑选的功能通常出现在同一个家庭。利用所提出的相似性度量,我们可以根据恶意软件的攻击行为模式和战术特征对恶意软件进行分类。此外,我们应用社区发现算法来提高每个恶意软件家族网络聚合中的模块化程度。为了保持高的分类精度,我们提出了一个过程,以获得建议的相似性度量中的选定功能的最佳权重。在此过程中,我们找出哪些特征对于表示恶意软件样本之间的相似性是重要的。最后,我们提供了一个直观的图形可视化的恶意软件样本,这是有助于了解恶意软件网络的分布和相似性。在实验中,所提出的系统实现了97%的恶意软件分类准确率和95%的预测准确率通过K折交叉验证使用真实的恶意软件数据集。
2019-06-22 cs.CR
Benchmark Static API Call Datasets for Malware Family Classification
Gebze Technical University(盖布泽技术大学);Kadir Has University(卡迪尔哈斯大学)
如今,恶意软件和恶意软件事件每天都在增加,即使有各种防病毒系统和恶意软件检测或分类方法。机器学习技术已经成为安全专家检测恶意软件并确定其家族的主要焦点。为此目的,已经提出了许多静态、动态和混合技术。在这项研究中,静态分析技术已应用于恶意软件样本,以提取API调用,这是机器/深度学习模型中最常用的功能之一,因为它代表了恶意软件样本的行为。由于恶意软件的快速增长和不断演变影响了防病毒扫描程序的检测能力,因此需要最新和更新的恶意软件数据集来克服这一缺点。本文介绍了两个新的数据集:一个是从VirusShare获得和编译的14,616个样本,另一个是从VirusSample获得的9,795个样本。此外,基于恶意软件样本的静态API调用的基准测试结果使用这些数据集上的几个机器和深度学习模型来呈现。我们相信,这两个数据集和基准测试结果使研究人员能够测试和验证他们在这一领域的方法和途径。
2022-08-04 cs.AI cs.CR cs.LG
ThreatVisionAI: A Hybrid CNN-ViT Framework for Image-Based Malware Classification
介绍ThreatVisionAI混合恶意软件家族分类框架,集成多种网络捕捉不同特征,经实验验证该框架能提升恶意软件家族分类准确率,频率感知和基于Transformer的表示有积极作用。
2026-07-07 cs.CR cs.LG
Detecting and Explaining Malware Family Evolution Using Rule-Based Drift Analysis
Faculty of Information Technology, Czech Technical University in Prague(布拉格捷克理工大学信息技术学院)
本文提出基于规则的漂移分析方法,用于检测和解释恶意软件家族演变,通过比较规则集识别特征变化,提供可操作的恶意软件行为洞察。
2026-02-03 cs.CR
Addressing malware family concept drift with triplet autoencoder
本文提出一种结合三元组损失的有监督自编码器和DBSCAN算法的方法,通过构建清晰稳健的聚类来有效识别新出现的恶意软件家族,从而解决恶意软件检测中的概念漂移问题,并在Android和Windows数据集上验证了其显著提升效果。
2025-07-01 cs.CR
A Comprehensive Study on Learning-Based PE Malware Family Classification Methods
State Key Laboratory of Communication Content Cognition(通信内容认知国家重点实验室);College of Intelligence and Computing, Tianjin University(天津大学智能与计算学部)
在高利润的驱动下,便携式可执行(PE)恶意软件在数量和复杂性方面一直在不断发展。PE恶意软件家族分类已经引起了人们的极大关注,并且已经提出了大量的方法。随着机器学习技术的快速发展以及在各种任务中取得的令人兴奋的结果,机器学习算法在PE恶意软件家族分类任务中也得到了普及。使用基于学习的算法的三种主流方法,按方法采用的输入格式分类,是基于图像的方法,基于二进制的方法和基于分解的方法。尽管已经发表了大量的方法,但对这些方法没有一致的比较,特别是从实际行业采用的角度来看。此外,在概念漂移的情况下没有比较,这是由于恶意软件的快速演变性质而导致的恶意软件分类任务的事实。在这项工作中,我们对基于学习的PE恶意软件分类方法在4个不同的数据集和一致的实验设置进行了彻底的实证研究。基于实验结果和对我们的行业合作伙伴的采访,我们发现:(1)没有任何一类方法显著优于其他方法;(2)所有类别的方法在概念漂移方面表现出性能下降(平均F1分数为32.23%);(3)预测时间和高内存消耗阻碍了现有方法被行业采用。
2021-10-29 cs.CR cs.LG cs.SE
Android Malware Family Classification Based on Resource Consumption over Time
当今绝大多数移动恶意软件都针对Android设备。这推动了过去几年Android恶意软件分析的研究工作。恶意软件分析的一个重要任务是将恶意软件样本分类到已知的家族中。已知静态恶意软件分析不足以对抗改变恶意软件的静态特性(例如,代码混淆)的技术,而动态分析已被证明对抗此类技术是有效的。据我们所知,纯粹基于动态分析的Android恶意软件家族分类最值得注意的工作是DroidScribe。对于DroidScribe,我们的方法更容易复制。我们的方法只使用公开可用的工具,不需要对模拟环境或Android操作系统进行任何修改,并且可以从物理设备收集数据。后者是一个关键因素,因为现代移动恶意软件可以检测模拟环境并隐藏其恶意行为。我们的方法依赖于proc文件系统提供的资源消耗度量。通过去趋势波动分析和相关性提取特征。最后,一个SVM分类恶意软件到家庭。我们对Drebin数据集的恶意软件样本进行了实验评估,获得了82%的分类准确率,证明我们的方法达到了与DroidScribe相当的准确率。此外,我们公开了我们开发的软件,以便于我们结果的重现性。
2017-09-04 cs.CR
MALIGN: Explainable Static Raw-byte Based Malware Family Classification using Sequence Alignment
提出受基因组序列比对启发的 MAlign,通过核苷酸编码原始字节并提取保守代码片段特征,实现可解释、鲁棒的静态恶意软件家族分类。
2024-01-12 cs.CR
Decoding the Secrets of Machine Learning in Malware Classification: A Deep Dive into Datasets, Feature Extraction, and Model Performance
Norton Research Group(诺顿研究组);INRIA(法国国家信息与自动化研究所);EURECOM(欧洲通信学院);IMDEA Software Institute(IMDEA软件研究所)
本文深入探讨了基于机器学习的恶意软件分类,通过构建迄今最大平衡数据集,发现静态特征优于动态特征,家族数量增加降低准确率,而每家族样本增多及均匀分布能提升泛化能力。
2023-07-27 cs.CR cs.LG
Learning Malware Representation based on Execution Sequences
随着恶意软件的数量和类型急剧增加,恶意软件分析已经被广泛研究。然而,大多数以前的研究使用端到端系统来检测样本是否是恶意的,或者识别其恶意软件家族。在本文中,我们提出了一个神经网络框架组成的嵌入器,编码器和过滤器,学习恶意软件表示的特征执行序列的恶意软件家族分类。嵌入器使用最先进的嵌入模块BERT和Sent2Vec来捕获执行跟踪中单个API调用内和连续API调用之间的关系。该编码器包括用于保持API调用的顺序位置的门控递归单元(GRU)和用于比较API调用的不同位置之间的内部关系的自注意力机制。过滤器识别代表性API调用以构建恶意软件表示。我们进行广泛的实验,以确定个别框架组件的影响。结果表明,所提出的框架优于基线,并且还表明,考虑Sent2Vec来学习完整的API调用嵌入和GRU来显式地保留序数信息,可以产生更多的信息,从而实现显著的改进。此外,所提出的方法有效地分类新的恶意执行痕迹与以前收集的家庭的相似性的基础上。
2021-02-05 cs.CR cs.LG
Novel Feature Extraction, Selection and Fusion for Effective Malware Family Classification
University of Cagliari(卡利亚里大学);Skolkovo Institute of Science and Technology(斯科尔科沃科学技术研究院);National Research University Higher School of Economics(国立研究型大学高等经济学院);Moscow Institute of Physics and Technology(莫斯科物理技术学院)
现代恶意软件的设计具有突变特征,即多态性和变质,这导致恶意软件样本的变体数量大幅增长。基于恶意软件行为的恶意软件样本分类对于计算机安全社区至关重要,因为他们每天都会收到大量的恶意软件,并且签名提取过程通常基于表征恶意软件家族的恶意部分。微软在2015年发布了一个恶意软件分类挑战,其中包含近0.5 TB的数据,包含超过20K的恶意软件样本。对该数据集的分析启发了一种新范式的开发,该范式可有效地将恶意软件变体分类到其实际的家族组中。本论文提出并讨论了这种模式,重点是与提取相关的阶段,并选择了一组新的功能,用于恶意软件样本的有效表示。特征可以根据恶意软件行为的不同特征进行分组,并且根据每类加权范例执行它们的融合。所提出的方法实现了非常高的准确性($\approx$ 0.998)的Microsoft恶意软件挑战数据集。
2016-03-10 cs.AI cs.CR
A Comparison of Word2Vec, HMM2Vec, and PCA2Vec for Malware Classification
San Jose State University(圣何塞州立大学)
词嵌入通常用于自然语言处理中,作为量化词之间关系的手段。更一般地,这些相同的词嵌入技术可以用于量化特征之间的关系。在本文中,我们首先考虑多种不同的词嵌入技术的背景下,恶意软件分类。我们使用隐马尔可夫模型来获得嵌入向量的方法,我们称之为HMM2Vec,我们生成基于主成分分析的向量嵌入。我们还考虑了流行的基于神经网络的词嵌入技术,称为Word2Vec。在每种情况下,我们从各种不同的家庭恶意软件样本的操作码序列的基础上获得的功能嵌入。我们表明,我们可以获得更好的分类精度的基础上,这些特征嵌入,相比HMM实验,直接使用的操作码序列,并建立一个基线。这些结果表明,词嵌入可以是恶意软件分析领域中有用的特征工程步骤。
2021-03-07 cs.CR cs.LG
ClarAVy: A Tool for Scalable and Accurate Malware Family Labeling
ClarAVy 针对现有恶意软件家族标注工具在解析、别名解析和聚合策略上的缺陷,采用变分贝叶斯方法聚合多款防病毒产品检测结果,在约 4000 万文件规模上实现可扩展且更准确的家族标注,并在 MOTIF 和 MalPedia 数据集上分别将准确率提升 8 和 12 个百分点。
2025-02-04 cs.CR
Malware Lineage in the Wild
恶意软件谱系研究恶意软件之间的进化关系,在恶意软件分析中有重要的应用。现有恶意软件世系方法的持续限制是将每个输入样本视为单独的恶意软件版本。这是有问题的,因为大多数恶意软件被打包并且打包过程产生许多多态变体(即,具有不同文件散列的可执行文件)。因此,许多样本对应于相同的恶意软件版本,并且从多态变体中识别不同的恶意软件版本是具有挑战性的。这个问题在现有的恶意软件世系方法中没有表现出来,因为它们对合成恶意软件、未打包的恶意软件或解包器可用的打包的恶意软件起作用。在这项工作中,我们提出了一种新的恶意软件血统的方法,在野外收集的恶意软件样本上工作。给定一组来自同一家族的恶意软件可执行文件,其中没有源代码并且可能被打包,我们的方法产生世系图,其中节点是家族的版本,边缘描述版本之间的关系。为了使我们的恶意软件血统的方法,我们提出了第一种技术,以确定任何对输入样本之间的共享功能的恶意软件家族和可扩展的代码索引技术的版本。我们已经评估了我们的方法对13个开源源程序的准确性,并已将其应用于生产10个流行的恶意软件家族的世系图。我们的恶意软件谱系图平均实现了从输入样本数量到版本数量的26倍减少。
2017-10-14 cs.CR
Malware Analysis using Multiple API Sequence Mining Control Flow Graph
恶意软件通过创建相同或不同系列的全边缘变体而变得持久。属于同一家族的恶意软件在将感染传播到受害者计算机的功能方面具有相同的特征。恶意软件家族之间的这些相似特征可以被视为用于创建可以帮助检测属于特定家族的恶意软件的解决方案的措施。在我们的方法中,我们通过以API序列的n-gram的形式创建这些特征的数据库来检测这些恶意软件家族。我们使用各种相似性评分方法,并提取多个API序列,以有效地分析恶意软件。
2017-07-10 cs.CR
Scalable Malware Family Classification Using Quantum Kernel Based Machine Learning
University of Alabama in Huntsville(亨茨维尔阿拉巴马大学);King Abdullah University of Science and Technology (KAUST)(阿卜杜拉国王科技大学)
提出可扩展的量子核机器学习框架,通过提取结构特征、LDA降维和Nyström近似量子核,在23个家族18836样本上实现80.88%准确率,优于经典基线。
2026-06-16 cs.CR
Behavioral Malware Classification using Convolutional Recurrent Neural Networks
Drexel University(德雷塞尔大学)
行为恶意软件检测旨在提高防病毒系统使用的基于静态签名的技术的性能,这些技术对现代多态和变形恶意软件的效果较差。行为恶意软件分类的目的不仅仅是检测恶意软件,还根据命名方案(如反病毒供应商使用的命名方案)识别恶意软件家族。行为恶意软件分类技术使用运行时特征(诸如文件系统或网络活动)来捕获正在运行的进程的行为特征。恶意软件样本量的增加、恶意软件家族的多样性以及由反病毒供应商给予恶意软件样本的各种命名方案对行为恶意软件分类器提出了挑战。我们描述了一个行为分类器,它使用卷积递归神经网络和来自Microsoft Windows预取文件的数据。我们展示了该模型的改进,国家的最先进的使用大型数据集的恶意软件家族和四个主要的反病毒供应商命名方案。该模型在分类属于常见和罕见恶意软件家族的恶意软件样本方面是有效的,并且可以逐渐适应新恶意软件样本和家族的引入。
2018-11-19 cs.CR cs.LG
Automated Malware Family Classification using Weighted Hierarchical Ensembles of Large Language Models
Canadian Institute for Cybersecurity, Faculty of Computer Science, University of New Brunswick(加拿大网络安全研究所,新不伦瑞克大学计算机科学学院)
本文提出基于预训练大语言模型加权层次集成的零标签恶意软件家族分类框架,通过聚合多个互补推理能力的语言模型决策预测,提升分类鲁棒性和分析员推理一致性。
2026-04-02 cs.AI cs.CR
Rethinking and Exploring String-Based Malware Family Classification in the Era of LLMs and RAG
University of Oregon(俄勒冈大学);City University of Hong Kong(香港城市大学);Sun Yat-sen University(中山大学);Calvin University(加州学院)
本文探索在大语言模型与RAG时代利用传统二进制字符串特征(家族特定字符串)进行恶意软件家族分类,通过覆盖67个家族、4,347个样本的评估框架和消融研究,验证了该方法的可行性并量化了各模块的改进效果。
2025-10-26 cs.AI cs.CR cs.SE
Beyond Labeling: Using Clustering to Build Network Behavioral Profiles of Malware Families
已知恶意软件系列标签不一致。它们也是黑盒,因为它们不代表恶意软件的功能。当前最先进的恶意软件能力评估主要包括手动方法,由于发现的恶意软件样本的数量不断增加,这些方法是不可行的。我们提出了一种新的无监督的机器学习为基础的方法称为MalPaCA,它自动化的能力评估,通过聚类的时间行为恶意软件的网络痕迹。MalPaCA仅使用20个数据包报头提供有意义的行为集群。行为配置文件是基于恶意软件的网络跟踪的集群成员关系生成的。有向无环图根据恶意软件的重叠行为显示它们之间的关系。行为配置文件与DAG一起提供了比当前系列名称更有洞察力的恶意软件特征。我们还提出了一个可视化的评价方法,所获得的集群,以帮助从业者在理解聚类结果。我们将MalPaCA应用于在野外收集的金融恶意软件数据集,该数据集包含1.1k恶意软件样本,产生3.6M数据包。我们的实验表明,(i)MalPaCA成功地识别功能,如端口扫描和重用的命令和控制服务器;(ii)它揭示了行为集群和恶意软件家族标签之间的多个差异;(iii)它证明了使用时间特征的聚类跟踪的有效性,产生的出错率为8.3%,相比之下,从统计特征获得的57.5%。
2020-11-13 cs.CR
Resilient and Adaptive Framework for Large Scale Android Malware Fingerprinting using Deep Learning and NLP Techniques
Android恶意软件检测是一个严重的问题,影响了现有市场中使用数百万Android应用程序(应用程序)的数十亿用户。本文提出了PetaDroid,一个准确的Android恶意软件检测和家庭聚类的框架上的静态分析。PetaDroid自动适应Android恶意软件和随着时间的推移与常见的二进制混淆技术的弹性良性变化。该框架采用了基于自然语言处理(NLP)和机器学习技术的新技术,以实现准确、自适应和弹性的Android恶意软件检测和家族聚类。PetaDroid使用卷积神经网络(CNN)的集成来识别恶意软件。该框架利用使用深度神经自动编码器生成的样本特征聚类将检测到的恶意软件样本聚类到恶意软件家族组中。为了适应变化,PetaDroid在部署过程中利用检测置信概率自动收集扩展数据集,并定期使用它们来构建新的恶意软件检测模型。此外,PetaDroid在训练过程中使用代码片段随机化,以增强对常见混淆技术的弹性。我们在多个参考数据集上广泛评估了PetaDroid。PetaDroid在不同的评估设置下实现了高检测率(98- 99%f1评分),在生成的聚类中具有高同质性(96%)。我们与最先进的解决方案MaMaDroid、DroidAPIMiner、MalDozer进行了彻底的定量比较,其中PetaDroid在所有评估设置下都优于它们。
2021-05-27 cs.CR
Automated Synthesis of Semantic Malware Signatures using Maximum Satisfiability
本文提出了一种从恶意软件家族的极少数样本中自动学习Android语义恶意软件签名的技术。我们的技术的关键思想是寻找一个最大的可疑公共子图(MSCS)之间共享的恶意软件家族的所有已知实例。MSCS根据组件间调用关系及其语义元数据(例如,数据流属性)。我们的方法确定这样的最大可疑的公共子图减少问题的最大可满足性。一旦语义签名被学习,我们的方法使用的组合静态分析和一个新的近似签名匹配算法,以确定Android应用程序是否匹配的语义签名表征一个给定的恶意软件家族。我们已经实现了我们的方法,在一个名为ASTROID的工具,并表明它具有许多优势,超过国家的最先进的恶意软件检测技术。首先,我们将ASTROID自动合成的语义恶意软件签名与以前工作中使用的手动编写的签名进行比较,并表明ASTROID学习的签名在准确性和精度方面表现更好。其次,我们比较ASTROID对两个国家的最先进的恶意软件检测工具,并证明其优势的可解释性和准确性。最后,我们证明了ASTROID的近似签名匹配算法是抵抗行为混淆,它可以用来检测零日恶意软件。特别是,我们能够在Google Play中找到22个零日恶意软件实例,这些实例未被现有工具报告为恶意软件。
2017-06-16 cs.CR
Towards Building an Intelligent Anti-Malware System: A Deep Learning Approach using Support Vector Machine (SVM) for Malware Classification
有效且高效地缓解恶意软件是信息安全社区的长期努力。开发一个可以对抗未知恶意软件的反恶意软件系统是一项多产的活动,可能会使多个部门受益。我们设想一个智能反恶意软件系统,利用深度学习(DL)模型的力量。使用这样的模型将能够通过数学归纳来检测新发布的恶意软件。即,找到给定恶意软件$x$与其对应恶意软件家族$y$、$f: x \mapsto y$之间的关系。为了完成这一壮举,我们使用了Malimg数据集(Nataraj等人,2011),其中包括从恶意软件二进制文件处理的恶意软件图像,然后我们训练了以下DL模型1来对每个恶意软件家族进行分类:CNN-SVM(Tang,2013),GRU-SVM(Agarap,2017)和MLP-SVM。经验证据表明,GRU-SVM在DL模型中脱颖而出,预测准确率为~ 84.92%。这是因为所提到的模型在所提出的模型中具有相对最复杂的架构设计。探索更优化的DL-SVM模型是智能反恶意软件系统工程的下一个阶段。
2019-02-07 cs.CR cs.CV cs.LG
Sequence Feature Extraction for Malware Family Analysis via Graph Neural Network
National Chengchi University(国立政治大学)
恶意软件(malware)对我们的设备和生活造成了很大的危害。我们渴望了解恶意软件的行为及其造成的威胁。大多数恶意软件的记录文件都是可变长度和基于文本的文件,带有时间戳,例如事件日志数据和动态分析配置文件。使用时间戳,我们可以将这些数据分类为基于序列的数据,以便进行以下分析。然而,处理基于文本的可变长度序列是困难的。此外,不同于自然语言文本数据,信息安全中的大多数序列数据具有特定的属性和结构,例如循环、重复调用、噪声等。为了深入分析API调用序列及其结构,我们使用图来表示序列,可以进一步研究信息和结构,例如马尔可夫模型。因此,我们设计并实现了一个用于分析API调用序列的注意力感知图神经网络(AWGCN)。通过AWGCN,我们可以获得序列嵌入来分析恶意软件的行为。分类实验结果表明,AWGCN在类呼叫数据集上的分类性能优于其他分类器,嵌入可以进一步提高经典模型的分类性能。
2022-08-10 cs.AI cs.CR
A Multi-task Mixture of Experts Framework for Malware Classification, Packing Detection, and Family Attribution
Department of Computer Applications, Cochin University of Science and Technology, India(计算机应用系,科钦大学科学与技术学院,印度);Department of Electrical, Computer and Biomedical Engineering, University of Pavia, Italy(电气、计算机和生物医学工程系,帕维亚大学,意大利)
提出基于专家混合架构的多任务恶意软件分析框架,同时执行恶意软件家族分类、加壳检测和恶意/良性识别,使用多门控MoE模型达到0.9744的联合检测率。
2026-06-29 cs.AI cs.CR
MalTree: Tracing Malware Evolution from Embeddings at Scale
Delft University of Technology(代尔夫特理工大学)
提出MalTree框架,利用生物信息学系统发育技术(UPGMA和邻接法)基于结构、行为和图像特征自动建模恶意软件演化,通过VirusTotal时间戳验证达到87%时间一致性,揭示家族间变异速率差异,支持谱系感知的恶意软件分析。
2026-06-04 cs.AI cs.CR
Multifamily Malware Models
San Jose State University(圣何塞州立大学)
在训练机器学习模型时,可能会在准确性和数据集的多样性之间进行权衡。以前的研究表明,如果我们训练一个模型来检测一个特定的恶意软件家族,与我们在多个不同家族上训练单个模型的情况相比,我们通常会获得更强的结果。然而,在检测阶段,使用一个可以可靠检测多个家族的模型会更有效,而不是必须针对多个模型对每个样本进行评分。在这项研究中,我们进行基于字节$n$ -gram特征的实验,以量化训练数据集的通用性和相应的机器学习模型的准确性之间的关系,所有这些都在恶意软件检测问题的上下文中。我们发现,基于邻域的算法的推广令人惊讶的好,远远超过其他机器学习技术考虑。
2022-06-27 cs.CR cs.LG
Unveiling Zeus
恶意软件家族分类是许多反病毒(AV)公司已经解决的一个古老问题。有两种常用的分类技术,基于签名和基于行为。基于签名的分类使用出现在二进制代码中的常见字节序列来识别和检测恶意软件家族。基于行为的分类使用由恶意软件在执行期间创建的工件来进行识别。在本文中,我们报告了一个独特的数据集,我们从我们的操作和分类使用几个机器学习技术,使用基于行为的方法。我们感兴趣的主要恶意软件分类是流行的Zeus恶意软件。对于其分类,我们确定了65个特征,这些特征对于识别恶意软件家族是独特和强大的。我们表明,像文件系统,注册表和网络功能的文物可以用来识别不同的恶意软件家族具有很高的准确性-在某些情况下高达95%。
2013-03-28 cs.CR
Contrastive Learning for Robust Android Malware Familial Classification
Android操作系统由于其开放源代码的特性,一直是攻击者利用的主要目标。恶意软件创建者总是在他们的应用程序上执行不同的代码混淆来隐藏恶意活动。通过程序分析从这些混淆样本中提取的特征包含许多无用和伪装的特征,这导致了许多假阴性。为了解决这个问题,在本文中,我们证明了混淆弹性恶意软件家族分析可以通过对比学习来实现。我们的分析背后的关键见解是,对比学习可以用来减少混淆所引入的差异,同时放大恶意软件和其他类型的恶意软件之间的差异。基于所提出的分析,我们设计了一个系统,可以实现强大的和可解释的Android恶意软件分类。为了实现鲁棒的分类,我们对恶意软件样本执行对比学习,以学习可以从恶意软件样本中自动提取鲁棒特征的编码器。为了实现可解释的分类,我们通过中心性分析将样本的函数调用图转化为图像。然后,可以通过可视化技术获得相应的热图。这些热图可以帮助用户理解为什么恶意软件被归类为这个家族。我们实现了\emph{IFDroid},并在两个数据集上进行了广泛的评估。实验结果表明,\emph{IFDroid}优于最先进的Android恶意软件家族分类系统。此外,\emph{IFDroid}能够在分类69,421个混淆恶意软件样本时保持98.4\%的F1。
2022-11-01 cs.CR
AVClass2: Massive Malware Tag Extraction from AV Labels
恶意软件存储库和分析服务可以使用标签来搜索不同维度的感兴趣样本。从AV标签中自动提取标签是对大量样本进行分类和索引的有效方法。最近的工具,如AVClass和Euphony已经证明,尽管它们的噪音性质,它是可能的提取姓氏从AV标签。然而,除了家族名称之外,AV标签还包含许多有价值的信息,例如恶意软件类别,文件属性和行为。这项工作提出了AVClass2,一个自动的恶意软件标记工具,给定的AV标签的潜在大量的样本,提取干净的标签,分类的样本。AVClass2使用并帮助构建一个开放的分类法,该分类法将概念组织在AV标签中,但不限于预定义的标签集。为了在AV供应商引入新标签时保持更新,它提供了一个更新模块,可以自动识别新的分类条目,以及捕获标签之间关系的标签和扩展规则。我们已经在42M上评估了AVClass2,并展示了它如何实现高级恶意软件搜索,以及如何在AV标签中维护恶意软件概念的更新知识库。
2020-10-28 cs.CR
Classifying Malware Using Function Representations in a Static Call Graph
Webroot(Webroot公司)
我们提出了一种深度学习方法,用于使用x86汇编指令的函数调用图来识别恶意软件家族。虽然存在静态调用图分析的先前工作,但很少涉及将现代的原则性特征学习技术应用于该问题。在本文中,我们介绍了一个系统,利用可执行文件的函数调用图的函数表示的方式获得的递归神经网络(RNN)自动编码器映射到密集的,潜在的向量序列的x86指令。然后,这些函数嵌入被建模为图中的顶点,其中边指示调用依赖性。捕获可执行文件的丰富的节点级表示以及全局拓扑属性大大提高了恶意软件家族的检测率,并有助于以一种故意避免繁琐的特征工程和领域专业知识的方式来更有原则地解决问题。我们测试我们的方法进行了几个实验,微软恶意软件分类数据集,并实现了良好的分离恶意软件家族之间的分类准确率为99.41%。
2020-12-01 cs.CR cs.LG
Residual Community Prototypes Under-Reject Held-Out Malware Families in FCG-MFD
University of Chicago(芝加哥大学)
本研究检验残差社区原型在FCG-MFD开放集恶意软件家族识别中的拒绝能力,发现其未能稳定拒绝保留家族,且性能劣于简单分类器不确定性,建议图开放集评估需结合拓扑控制与操作阈值。
2026-09-22 cs.CR
An Ensemble of Pre-trained Transformer Models For Imbalanced Multiclass Malware Classification
Kadir Has University(卡迪尔哈斯大学);Huawei R&D Center(华为研发中心)
恶意软件家族的分类对于全面了解它们如何感染设备,计算机或系统至关重要。因此,恶意软件识别使安全研究人员和事件响应者能够采取预防措施来防范恶意软件并加速缓解。由恶意软件进行的API调用序列是机器和深度学习模型广泛使用的用于恶意软件分类的特征,因为这些序列表示恶意软件的行为。然而,传统的机器和深度学习模型仍然无法捕获API调用之间的序列关系。另一方面,基于transformer的模型将序列作为一个整体进行处理,并由于多头注意力机制和位置嵌入而学习API调用之间的关系。我们的实验表明,具有一个Transformer块层的Transformer模型超越了广泛使用的基础架构LSTM。此外,BERT或CANINE,预训练的Transformer模型,在根据评估指标,F1分数和AUC分数对高度不平衡的恶意软件家族进行分类方面表现出色。此外,所提出的基于装袋的随机Transformer森林(RTF),BERT或CANINE的集成,已经达到了四个数据集中的三个的最先进的评估分数,特别是最先进的F1分数为0.6149的常用基准数据集之一。
2022-06-22 cs.AI cs.CR cs.LG
When Label Noise Meets Class Imbalance: A Robust Framework for Android Malware Family Classification
Huazhong University of Science and Technology(华中科技大学);The Hong Kong Polytechnic University(香港理工大学);NSFOCUS Technologies Group Co., Ltd.(启明星辰信息技术集团股份有限公司);Key Laboratory of Cyberspace Security, Ministry of Education(教育部网络空间安全学院)
针对Android恶意软件家族分类中标签噪声与类别不平衡的交互问题,提出RoMaC框架,采用自训练纠正噪声标签并区分头尾家族样本,结合类别重加权与多模型集成,在混淆场景下性能提升6%-20%。
2026-09-22 cs.CR
Network-based Analysis and Classification of Malware using Behavioral Artifacts Ordering
使用运行时执行工件来识别恶意软件及其相关家族是安全领域中的既定技术。文献中的许多论文依赖于来自网络、文件系统或注册表交互的显式特征。虽然有效,但这些细粒度数据点的使用使得这些技术在计算上昂贵。此外,签名和密码学经常被随后的恶意软件作者规避。在这项工作中,我们提出Chatter,一个系统,只关心的顺序,高层次的系统事件发生。单个事件被映射到一个字母表上,执行跟踪通过这些字母的简洁连接来捕获。然后,利用分析师标记的恶意软件语料库,应用n-gram文档分类技术来产生预测恶意软件家族的分类器。本文介绍了该技术及其概念验证评估。在其原型形式中,只考虑网络事件,并使用11个恶意软件家族。我们证明了该技术在隔离时达到了83%-94%的准确率,并且当与组合顺序特征的基线分类器集成时,可以实现非平凡的性能改进,从而达到高达98.8%的准确率。
2019-01-04 cs.CR
Throttling Malware Families in 2D
American University of Beirut(贝鲁特美国大学)
恶意软件根据其静态和动态特征、感染方法和威胁性质分为几类。在低维空间中对恶意软件实例和家族进行视觉探索有助于对这些实例之间的依赖关系和关系进行初步概述,检测它们的组并隔离离群值。此外,视觉探索不同的功能集是有用的,在评估这些集的质量进行有效的抽象表示,这可以在以后用于分类和聚类算法,以实现高精度。在本文中,我们调查的最好的降维技术之一,称为t-SNE减少恶意软件表示从一个高维空间,由数千个功能,以低维空间。我们用不同的功能集进行实验,并在2-D中描述恶意软件集群。令人惊讶的是,t-SNE不仅提供了漂亮的2-D绘图,而且还大大提高了SVM分类器的泛化能力。此外,所获得的结果表明,交叉验证精度是更好地使用2-D嵌入表示的样本比使用原来的高维表示。
2019-01-29 cs.CR cs.LG
AndroTruth: A Reliable Benchmark Android Malware Dataset Derived from Technical Expert Reports
School of Cyber Security, Tianjin University(天津大学网络安全学院);School of Cyber Science and Technology, Shihezi University(石河子大学网络空间科学与技术学院);School of Software, Tiangong University(天津工业大学软件学院);State Grid Xinjiang Electric Power Research Institute(国网新疆电力有限公司电力科学研究院)
针对安卓恶意软件基准标签不可靠问题,构建基于专家报告的AndroTruth数据集,含8,172个样本,验证了标签可靠性对评估的关键影响。
2026-09-09 cs.CR
Towards an Automated Pipeline for Detecting and Classifying Malware through Machine Learning
Università degli Studi di Torino(都灵大学);aizoOn Technology Consulting(aizoOn技术咨询公司)
恶意软件-对计算机和信息网络可能有害的软件或代码片段-数量的不断增长以及复杂的规避和混淆技术的使用严重阻碍了传统的基于签名的方法。另一方面,基于机器学习技术的恶意软件检测系统开始为标准方法提供有前途的替代方案,大大减少了分析时间,并对规避和混淆技术更加强大。在本文中,我们提出了一个恶意软件分类分类管道能够分类Windows便携式可执行文件(PE)。给定一个输入PE样本,它首先被分类为恶意或良性。如果是恶意的,管道会进一步分析它,以确定其威胁类型、家族和行为。我们在开源数据集EMBER上测试了所提出的管道,该数据集包含大约100万个PE样本,通过静态分析进行分析。所获得的恶意软件检测结果与当前最先进的其他学术著作相当,此外,我们还提供了对恶意样本的深入分类。管道中使用的模型提供了可解释的结果,可以帮助安全分析师更好地理解自动化管道所做的决策。
2021-06-10 cs.CR cs.LG
Relation-aware based Siamese Denoising Autoencoder for Malware Few-shot Classification
本文提出一种基于关系感知嵌入的孪生神经网络,结合熵图像输入,用于在少样本和混淆技术条件下提升恶意软件分类的准确性与鲁棒性。
2024-11-21 cs.CR
End-to-End Deep Neural Networks and Transfer Learning for Automatic Analysis of Nation-State Malware
Deep Instinct Ltd.(深度本能有限公司)
据称由民族国家开发的恶意软件,也被称为高级持续威胁(APT),正变得越来越普遍。由于多种原因,将APT归因于特定民族国家或将其分类到正确的APT家族的任务具有挑战性。首先,每个民族国家都有不止一个网络单位开发此类恶意软件,使传统的作者归属算法变得无用。此外,此类可用APT的数据集仍然非常小。最后,这些APT使用最先进的规避技术,使得特征提取具有挑战性。在本文中,我们使用深度神经网络(DNN)作为民族国家APT属性的分类器。我们记录APT在沙箱中运行时的动态行为,并将其用作神经网络的原始输入,允许DNN学习APT本身的高级特征抽象。我们还使用相同的原始特征进行APT家族分类。最后,我们使用APT家族分类器学习的特征抽象来解决属性问题。使用1000个中国和俄罗斯开发的APT测试集,我们取得了98.6%的准确率。
2019-11-30 cs.CR cs.LG cs.NE
Multi-label Classification for Android Malware Based on Active Learning
针对现有Android恶意软件分类方法无法全面反映多恶意行为的问题,提出基于主动学习与数据增强的多标签分类方法MLCDroid,实现细粒度恶意行为识别,准确率提升至86.7%。
2024-10-09 cs.CR
Applying Graph Analysis for Unsupervised Fast Malware Fingerprinting
Joaan Bin Jassim Academy for Defence Studies(贾安·宾·贾西姆防务研究学院);Concordia University(Concordia大学)
本文提出TrapNet框架,通过图社区检测技术对恶意软件进行指纹识别和分类,利用浮点哈希技术生成高效相似性向量,提升大规模恶意软件相似性计算效率。
2026-05-08 cs.CR cs.LG
MAD-OOD: A Deep Learning Cluster-Driven Framework for an Out-of-Distribution Malware Detection and Classification
Dept. of Computer Science The University of Texas at El Paso Texas, USA(计算机科学系 乌德勒支理工大学 美国德克萨斯州);Dept. of Computer Science University of North Carolina North Carolina, USA(计算机科学系 北卡罗来纳大学 美国北卡罗来纳州)
MAD-OOD通过聚类驱动的深度学习框架,实现对未知恶意软件的高效检测与分类,提升异常分布检测的准确性和鲁棒性。
2025-12-19 cs.AI cs.CR cs.CV
A Hybrid Approach For Malware Classification Using Secondary Features Fusion
Mid Sweden University(中瑞典大学);Arbisoft (Pvt.) Ltd.(Arbisoft私人有限公司);Chalmers University of Technology(查尔姆斯理工大学)
提出一种通过融合API调用和n-gram特征,并采用投票集成算法进行恶意软件检测与家族分类的方法,在Microsoft数据集上达到99.72%准确率和0.989 AUC。
2026-06-02 cs.AI cs.CR cs.LG
MDENet: Multi-modal Dual-embedding Networks for Malware Open-set Recognition
The Hong Kong Polytechnic University(香港理工大学);The Hong Kong Polytechnic University Shenzhen Research Institute(香港理工大学深圳研究院);University of Electronic Science and Technology of China(电子科技大学);Beijing Institute of Technology(北京理工大学);Jinan University(暨南大学)
针对恶意软件开集识别中特征相似度高导致未知样本误判的问题,提出多模态双嵌入网络MDENet,结合多模态特征与双空间嵌入及正则化策略,并发布多模态数据集MAL-100+,实验验证了方法有效性。
2023-05-02 cs.CR cs.LG
HAWK: Rapid Android Malware Detection through Heterogeneous Graph Attention Networks
Android每天都在遭受前所未有的恶意威胁,但现有的恶意软件检测方法往往无法应对恶意软件中不断变化的伪装。为了解决这个问题,我们提出了HAWK,一个新的恶意软件检测框架的进化Android应用程序。我们将Android实体和行为关系建模为异构信息网络(HIN),利用其丰富的语义元结构来指定隐式高阶关系。创建增量学习模型来处理动态表现的应用程序,而不需要重新构建整个HIN和随后的嵌入模型。该模型可以快速定位一个新的应用程序和现有的样本中的应用程序之间的接近度,并聚合不同语义下的数值嵌入。我们的实验检查了在七年内开发的80,860多个恶意应用程序和100,375个良性应用程序,表明HAWK在基线上实现了最高的检测精度,平均只需3.5ms即可检测出样本外的应用程序,加速训练时间比现有方法快50倍。
2021-08-17 cs.CR
EGAMA-RC: Risk-Calibrated Evidence-Gated Adaptive Malware Analysis for Robust and Interpretable Memory-Forensic Triage
School of Information Technology, University of Cincinnati(辛辛那提大学信息技术学院)
EGAMA-RC是用于内存取证分类的风险校准证据门控框架,结合多维度评估与路由,在三个恶意软件数据集上实现高接受准确率与低误接受率,为可靠恶意软件分析提供方案。
2026-08-25 cs.CR cs.LG