计算机研究与发展

作者：张炳,文峥,魏筱瑜,任家东,

关键词：Android恶意软件检测, 可解释性, 概念漂移, 特征迁移, 自动化机器学习,

针对Android恶意软件检测存在特征引入过程主观性高、特征选择过程可解释性差、训练模型检测效果不具备时间稳定性的问题，提出了一种面向概念漂移的可解释性Android恶意软件检测方法InterDroid,该方法首先通过高质量的人工Android恶意软件分析报告引入权限、API包名、意图、Dalvik字节码4种特征.并通过自动化机器学习算法TPOT(tree-basedtipelineoptimizationtool)获得InterDroid训练及对比算法，从而摒弃传统方法中繁复的模型选择与参数调整过程.其后，融入模型解释算法SHAP(shapleyadditiveexplanations)改进传统的特征包装方法，从而获得对分类结果具有高贡献度的特征组合用于检测模型训练.最后，通过曼-惠特尼U(Mann-WhitneyU,MWU)与机器学习模型的双重检验证明概念漂移现象在Android恶意软件检测中的存在性.并基于联合分布适配(jointdistributionadaptation,JDA)算法提高检测模型对新时期Android恶意软件的检测准确率.实验表明:InterDroid筛选出的特征组合具备稳定性与可解释性.同时，InterDroid中的特征迁移模块可将自身对2019年、2020年新兴Android恶意软件的检测准确率分别提高46%,44%.

来源：2021年第11期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2021年第11期