典型文献
一种面向Android恶意软件的多视角多任务学习检测方法
文献摘要：
近年来,针对Android平台的恶意软件急剧增加,给反恶意软件领域带来了巨大挑战.尽管目前基于机器学习的检测方法为弥补传统检测技术的不足提供了新方向,但这些检测方法往往是基于单个模型或组合的相似模型构建的,很难从多个视角提取不同层次的语义信息,最终限制了检测效果.针对这一问题,文章提出了一种基于多视角多任务学习的Android恶意软件检测模型.首先,系统调用信息被输入梯度提升树模型以挖掘频次视角信息,然后调用信息还会被转化为灰度图并输入到基于视觉图神经网络、卷积神经网络的学习器以学习共现和关联特征.最后,文章还引入了基于层次标签的多任务学习方法完成模型训练,实现了针对Android恶意软件的多视角特征提取和分析.在来自UNB的细粒度公开数据集上的实验结果表明,该方法总体上优于传统基于单视角的检测方法,具备较好的准确率和可靠性.
文献关键词：
Android恶意软件;多视角学习;多任务学习;图神经网络
中图分类号：
作者姓名：
仝鑫;金波;王靖亚;杨莹
作者机构：
中国人民公安大学信息网络安全学院,北京 100038;公安部第三研究所,上海 200031
文献出处：
引用格式：
[1]仝鑫;金波;王靖亚;杨莹-.一种面向Android恶意软件的多视角多任务学习检测方法)[J].信息网络安全,2022(10):1-7
A类：
UNB
B类：
Android,多任务学习,基于机器学习,传统检测技术,相似模型,不同层次,语义信息,检测效果,恶意软件检测,检测模型,系统调用,梯度提升树,树模型,后调,灰度图,图神经网络,关联特征,层次标签,成模,模型训练,多视角特征,细粒度,公开数据集,单视,多视角学习
AB值：
0.305755
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
