文章摘要:传统机器学习在恶意软件分析上需要复杂的特征工程，不适于大规模的恶意软件分析。为提高在Android恶意软件上的检测效率。基于此，文中将Android恶意软件字节码文件映射成灰阶图像，综合利用深度可分离卷积（depthwise separable convolution,DSC）和注意力机制提出基于全局注意力模块（GCBAM）的Android恶意软件分类模型。从APK文件中提取字节码文件；将字节码文件转换为对应的灰阶图像；通过构建基于GCBAM的分类模型对图像数据集进行训练，使其具有Android恶意软件分类能力。实验表明，该模型对Android恶意软件家族能有效分类，在获取的7630个样本上，分类准确率达到98.91%，相比机器学习算法在准确率、召回率均具有较优效果。

文章关键词:

论文DOI:10.19734/j.issn.1001-3695.2021.10.0435

论文分类号:TP311.5;TP309