[發明專利]可解釋的基于圖嵌入的Android惡意軟件自動檢測

在審

• 申請號: 202110628306.1
• 申請日: 2021-06-04
• 公開（公告）號: CN113360906A
• 公開（公告）日: 2021-09-07
• 發明（設計）人: 王玉聯;魯鳴鳴
• 申請（專利權）人: 中南大學
• 主分類號: G06F21/56
• 分類號: G06F21/56;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種可解釋的基于圖嵌入的Android惡意軟件自動檢測方法，其特征在于包括下列步驟：

步驟1)使用Androguard獲取每一個軟件的函數調用圖(FCG)。對于FCG中的每一個節點對應的函數，通過函數中的Davilk指令獲取函數調用的敏感API序列。

步驟2)通過Susi捕獲敏感數據流的敏感API庫，使用敏感API庫篩選出每個函數的敏感API序列，這樣可得到細粒度的FCG。

步驟3)通過隨機游走細粒度的FCG，將游走到的節點對應的敏感API序列拼接起來，即可得到一系列的路徑，稱為敏感API路徑。

步驟4)使用自然語言處理模型sent2vec將得到的敏感API路徑向量化。

步驟5)將向量化的敏感API路徑作為輸入數據，輸入到基于注意力的神經網絡模型中，可得到對軟件的惡意或非惡意的分類結果。

2.根據權利要求1所述，其特征為所述步驟1)獲取軟件的函數調用圖，并提取函數調用圖中每個函數節點的API序列。

3.根據權利要求1所述，其特征為所述步驟2)使用敏感API庫篩選得到的各個函數節點的API序列，保留敏感API序列，得到細粒度的FCG。細粒度的FCG中節點不再用用函數名表示，而是使用函數中的敏感API序列來標記。

4.根據權利要求1所述，其特征為所述步驟3)在細粒度的FCG中游走，并拼接游走到的結點路徑，得到一系列敏感API路徑。

5.根據權利要求1所述，其特征為所述步驟4)學習敏感API路徑的嵌入向量。

6.根據權利要求1所述，其特征為所述步驟5)構建一個基于注意力的神經網絡模型，每條路徑對應一個輸入神經元，輸入到模型中，訓練模型即可實現軟件的檢測。