一种基于对比学习的对抗性安卓恶意软件检测方法技术

本发明专利技术公开了一种基于对比学习的对抗性安卓恶意软件检测方法，该方法包括：首先通过界定安卓应用程序以及所有可行的扰动集合确定特征空间中可扰动的特征集合和不可扰动的特征集合，然后通过得到的可扰动特征集合和不可扰动的特征集合确定特征投影模型的架构。接着基于对比学习的损失函数与对抗性恶意软件训练得到特征投影模型用于投影特征向量，使得投影后得到的特征向量之间的距离可被表示为特征匹配度。本发明专利技术利用深度学习技术，能够实现高效低损失的对抗性安卓恶意软件检测，在很大程度上提高了基于机器学习的安卓恶意软件检测方法的鲁棒性。

【技术实现步骤摘要】

本专利技术涉及安卓恶意软件防御领域，尤其涉及一种基于对比学习的对抗性安卓恶意软件检测方法。

技术介绍

1、近年来，随着安卓操作系统的广泛应用，安卓恶意软件已经成为了在安卓生态中用户面临的一个严峻的关于隐私性与数据完整性的威胁。为了防御安卓恶意软件，基于机器学习的安卓恶意软件检测算法被研究人员提出并且得到了广泛的应用。但是这些基于机器学习的安卓恶意软件检测算法并不鲁棒，即这些算法容易受到对抗性安卓恶意软件生成算法的影响。对抗性安卓恶意软件生成算法会修改可以被检测出的安卓恶意软件使之绕过基于机器学习的安卓恶意软件检测系统的检测。对抗性安卓恶意软件给安卓恶意软件检测系统带来了新的严峻的挑战。基于对比学习的安卓恶意软件防御方法就是缓解这个挑战的关键技术之一。

2、对抗性安卓恶意软件防御方法通过增强基于机器学习的安卓恶意软件检测器的鲁棒性来防御对抗性安卓恶意软件。这既要求该防御算法能有效识别对抗性安卓恶意软件，又要求该防御算法不会影响其对于原有的恶意软件的检测成功率。现有的对抗性安卓恶意软件防御方法主要采用了对抗性训练等方式，侧重于增强安卓恶意软件检测模本文档来自技高网...

【技术保护点】

1.一种基于对比学习的对抗性安卓恶意软件检测方法，其特征在于，包括：

2.根据权利要求1所述的基于对比学习的对抗性安卓恶意软件检测方法，其特征在于，所述安卓软件的可扰动特征为安卓软件中受扰动时会产生改变的敏感特征，不可扰动特征为安卓软件中受扰动时不能产生改变的敏感特征；所述敏感特征为安卓软件中的权限特征和加密函数特征。

3.根据权利要求1所述的基于对比学习的对抗性安卓恶意软件检测方法，其特征在于，所述安卓软件的可扰动特征和不可扰动特征采用如下方法进行分类：

4.根据权利要求1所述的基于对比学习的对抗性安卓恶意软件检测方法，其特征在于，步骤2)中，两个所...

【技术特征摘要】

1.一种基于对比学习的对抗性安卓恶意软件检测方法，其特征在于，包括：

2.根据权利要求1所述的基于对比学习的对抗性安卓恶意软件检测方法，其特征在于，所述安卓软件的可扰动特征为安卓软件中受扰动时会产生改变的敏感特征，不可扰动特征为安卓软件中受扰动时不能产生改变的敏感特征；所述敏感特征为安卓软件中的权限特征和加密函数特征。

3.根据权利要求1所述的基于对比学习的对抗性安卓恶意软件检测方法，其特征在于，所述安卓软件的可扰动特征和不可扰动特征采用如下方法进行分类：

4.根据权利要求1所述的基于对比学习的对抗性安卓恶意软件检测方法，其特征在于，步骤2)中，两个所述特征投影模型均为具有relu激活函数和dropout层的多层感知机模型。

5.根据权利要求1所述的基于对比学习的对抗性安卓恶意软件检测方法，其特征在于，步骤2)所述包括安卓恶意软件和安卓...

【专利技术属性】
技术研发人员：纪守领，何平，巫英才，邓达臻，王滨，
申请(专利权)人：浙江大学，
类型：发明
国别省市：