基于深度學(xué)習(xí)的Android 惡意軟件檢測(cè)的設(shè)計(jì)分析

楊基慧

（吉林司法警官職業(yè)學(xué)院，吉林 長(zhǎng)春130062）

隨著科學(xué)技術(shù)水平的大幅度提升，及信息通信技術(shù)的迅猛發(fā)展，移動(dòng)終端設(shè)備逐漸普及，手機(jī)、IPAD 等移動(dòng)設(shè)備近乎人手必備，其雖然改變了人們的生活方式，為人們帶來(lái)更多便捷，但同時(shí)也讓許多不法分子有了可乘之機(jī)。在不同功能Android 應(yīng)用軟件不斷被開(kāi)發(fā)出來(lái)的同時(shí)，Android 惡意軟件數(shù)量也在快速增加，并且這些惡意軟件會(huì)隨著科技發(fā)展而不斷更新，僅采取傳統(tǒng)惡意軟件檢測(cè)方法已無(wú)法對(duì)其進(jìn)行有效檢測(cè)。研究發(fā)現(xiàn)，部分惡意軟件能夠采取增加代碼混淆、隱蔽命令或控制通信通道等方式，對(duì)檢測(cè)進(jìn)行有效躲閃，同時(shí)還可降低傳統(tǒng)檢測(cè)手段的檢測(cè)性能與準(zhǔn)確率，進(jìn)而大幅度提高了Android 惡意軟件的檢測(cè)難度[1]。所以目前急需研發(fā)出一種設(shè)計(jì)難度低、檢測(cè)準(zhǔn)確率高的Android 惡意軟件檢測(cè)系統(tǒng)，以避免互聯(lián)網(wǎng)病毒對(duì)人們?cè)斐赏{。本文基于深度學(xué)習(xí)算法構(gòu)建出一套3 層神經(jīng)網(wǎng)絡(luò)的Android 惡意軟件檢測(cè)系統(tǒng)，報(bào)道如下。

1 概述

手機(jī)惡意軟件是一種在用戶(hù)完全不知情的情況下，強(qiáng)行在用戶(hù)手機(jī)中進(jìn)行安裝，或一旦在用戶(hù)手機(jī)中成功安裝便難以刪除，但同時(shí)還具備一定功能的軟件程序。手機(jī)惡意軟件與網(wǎng)絡(luò)病毒區(qū)別僅在于前者具備一定正常功能，而兩者均能對(duì)用戶(hù)手機(jī)網(wǎng)絡(luò)造成損害，竊取用戶(hù)信息，并采取一定手段導(dǎo)致用戶(hù)手機(jī)扣費(fèi)。截至2019 年底，我國(guó)手機(jī)用戶(hù)數(shù)量已超過(guò)10 億8 千萬(wàn)，如此龐大的手機(jī)用戶(hù)數(shù)量，采取有效措施應(yīng)對(duì)手機(jī)惡意軟件，對(duì)于保護(hù)手機(jī)用戶(hù)財(cái)產(chǎn)與信息安全具有重要意義[2]。Android手機(jī)用戶(hù)在我國(guó)所有手機(jī)用戶(hù)中占比較大，為能確保Android手機(jī)用戶(hù)正常使用各類(lèi)應(yīng)用軟件，我國(guó)在Android 惡意軟件檢測(cè)技術(shù)開(kāi)發(fā)方面投入巨大，目前已有多種Android 惡意軟件檢測(cè)系統(tǒng)被開(kāi)發(fā)出來(lái)。有研究者將機(jī)器學(xué)習(xí)引入惡意軟件檢測(cè)，以離線(xiàn)方式的支持向量機(jī)為基礎(chǔ)，通過(guò)對(duì)權(quán)限與控制流圖特征進(jìn)行提取和訓(xùn)練來(lái)實(shí)現(xiàn)惡意軟件檢測(cè)，但這種檢測(cè)方法效果一般，無(wú)法有效解決問(wèn)題[3]；還有學(xué)者將人工神經(jīng)網(wǎng)絡(luò)與共生矩陣聯(lián)系起來(lái)，利用共生矩陣對(duì)相關(guān)系統(tǒng)調(diào)用進(jìn)行挖掘，由于良性應(yīng)用軟件和惡意軟件與系統(tǒng)調(diào)用之間的相關(guān)性存在較大差異，所以采用這種檢測(cè)系統(tǒng)能將惡意軟件有效分辨出來(lái)[4]；另有研究者在實(shí)際應(yīng)用中發(fā)現(xiàn)，部分應(yīng)用程序雖然聲明權(quán)限，但實(shí)際上并沒(méi)有使用，由此可見(jiàn)，僅通過(guò)分析權(quán)限清單文件并不一定可獲取準(zhǔn)確的檢測(cè)結(jié)果[5]。動(dòng)態(tài)特征主要指的是應(yīng)用系統(tǒng)在操作系統(tǒng)或網(wǎng)絡(luò)中的行為，借助系統(tǒng)調(diào)用實(shí)現(xiàn)特定任務(wù)的執(zhí)行，但這些特定任務(wù)并不能直接與操作系統(tǒng)實(shí)現(xiàn)交互，需要先由用戶(hù)發(fā)出系統(tǒng)調(diào)用指令，待操作模式轉(zhuǎn)換到內(nèi)核模式，任務(wù)才能開(kāi)始執(zhí)行，并且還有些應(yīng)用程序需要在網(wǎng)絡(luò)連接條件下才能運(yùn)行，國(guó)內(nèi)學(xué)者通過(guò)對(duì)實(shí)驗(yàn)收集到的Android 惡意軟件樣本進(jìn)行研究，發(fā)現(xiàn)其中有超過(guò)90%的惡意軟件需要網(wǎng)絡(luò)連接，以確保惡意軟件能與其開(kāi)發(fā)者進(jìn)行連接[6]。

2 系統(tǒng)設(shè)計(jì)

2.1 系統(tǒng)設(shè)計(jì)

本文對(duì)一種以深度學(xué)習(xí)算法（SDA）為基礎(chǔ)的Android 惡意軟件檢測(cè)系統(tǒng)進(jìn)行設(shè)計(jì)并實(shí)現(xiàn)，此檢測(cè)系統(tǒng)通過(guò)對(duì)爬蟲(chóng)爬取到的8000 個(gè)良性軟件與7000 個(gè)惡意軟件行特征提取，數(shù)據(jù)經(jīng)分析降維后獲取961 個(gè)特征，再利用SDA 建立一個(gè)3 層神經(jīng)網(wǎng)絡(luò)，經(jīng)數(shù)據(jù)集較差驗(yàn)證后發(fā)現(xiàn)此檢測(cè)系統(tǒng)檢測(cè)正確率高達(dá)95.8%。本文設(shè)計(jì)檢測(cè)系統(tǒng)主要由編寫(xiě)網(wǎng)絡(luò)爬蟲(chóng)收集數(shù)據(jù)集、Android 應(yīng)用程序包（APK）靜態(tài)代碼特征與動(dòng)態(tài)行為特征收集、特征降維后行深度學(xué)習(xí)與建立良好神經(jīng)網(wǎng)絡(luò)行檢測(cè)3 部分組成。

2.2 系統(tǒng)實(shí)現(xiàn)

結(jié)合以往研究，本文將Google Play 中的應(yīng)用視為良性應(yīng)用，編寫(xiě)網(wǎng)絡(luò)爬蟲(chóng)期間隨機(jī)抽取8000 個(gè)APK，以此作為本次設(shè)計(jì)的良性應(yīng)用數(shù)據(jù)集，此外在此期間又收集到7000 個(gè)惡意應(yīng)用軟件。本次設(shè)計(jì)期間所有軟件均屬真實(shí)軟件，均已提前知曉軟件性質(zhì)，表明本次設(shè)計(jì)數(shù)據(jù)真實(shí)可靠。本次設(shè)計(jì)采用Apktool 軟件對(duì)每個(gè)APK 行反匯編，獲得Smail 和Manifest 文件，從中抽取權(quán)限、IP 地址等重要靜態(tài)代碼特性，隨后每個(gè)APK 均開(kāi)啟虛擬機(jī)生成Log 日志，利用DroidBox 軟件收集Log 日志中的敏感行為信息，將獲取到的靜態(tài)代碼特征與動(dòng)態(tài)行為特征作為特征庫(kù)，借助主成分分析技術(shù)（PCA）行數(shù)據(jù)降維，降維后數(shù)據(jù)集經(jīng)SDA 構(gòu)建神經(jīng)網(wǎng)絡(luò)，最后通過(guò)BP 算法對(duì)結(jié)果進(jìn)行微調(diào)處理，從而實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)的任務(wù)分類(lèi)功能。

2.3 改進(jìn)SDA

改進(jìn)SDA 主要包括傳統(tǒng)自編碼、降噪自編碼和構(gòu)建分類(lèi)模型。傳統(tǒng)自編碼的出現(xiàn)為SDA 提供了新的思路，自動(dòng)編碼機(jī)屬于無(wú)監(jiān)督算法，無(wú)需標(biāo)注樣本，則可對(duì)樣本信息進(jìn)行有效應(yīng)用，進(jìn)而促進(jìn)模型性能提升。傳統(tǒng)自動(dòng)編碼機(jī)可分為編碼與解碼兩部分，編碼階段主要將d 維輸入向量x 定性映射到d' 維隱層表示y，映射函數(shù)多采用Sigmoid，詳見(jiàn)公式（1）。解碼階段主要將得到的結(jié)果便是為y，再定性地映射至d 維重構(gòu)向量z，詳見(jiàn)公式（2）。通過(guò)這兩個(gè)階段，實(shí)現(xiàn)N 個(gè)樣本重構(gòu)誤差的優(yōu)化，均方誤差L 詳見(jiàn)公式（3）。研究發(fā)現(xiàn)，傳統(tǒng)自編碼在不設(shè)置生成約束條件時(shí)，易產(chǎn)生輸入向量直接復(fù)制成輸出向量的現(xiàn)象，也存在產(chǎn)生改變極為微小的情況，進(jìn)而導(dǎo)致重構(gòu)誤差相對(duì)較小，當(dāng)測(cè)試數(shù)據(jù)與訓(xùn)練數(shù)據(jù)之間存在較大差距且不符合同一分布時(shí)，會(huì)導(dǎo)致訓(xùn)練效果明顯下降，為避免這種現(xiàn)象出現(xiàn)，國(guó)外研究者研制出一種降噪自編碼，此算法會(huì)對(duì)樣本x 行改造處理，以一定幾率讓部分輸入層節(jié)點(diǎn)值為0，進(jìn)而將原來(lái)的樣本x 改造為x'，隨后利用x'訓(xùn)練隱藏層，詳見(jiàn)公式（4）。將隱層輸出y 作為新輸入特征，多次進(jìn)行降噪自編碼，則可構(gòu)成SDA 深度結(jié)構(gòu)，研究發(fā)現(xiàn)，不同特征表示對(duì)數(shù)據(jù)的某些解釋因子能起到突顯或剔除效果，進(jìn)而產(chǎn)生不同表示能力，因此整個(gè)SDA 主要以找到一個(gè)相比原始特征更適應(yīng)任務(wù)需求的特征表示方式為目的。在深度結(jié)構(gòu)完成后，添加節(jié)點(diǎn)與類(lèi)別個(gè)數(shù)相同的輸出層，并將最后獲取的特征表示通過(guò)此輸出層輸入，隨后將訓(xùn)練獲取各層權(quán)值矩陣、偏置項(xiàng)等作為初始參數(shù)，最后再利用BP 算法對(duì)SDA 神經(jīng)網(wǎng)絡(luò)行微調(diào)處理，即可實(shí)現(xiàn)任務(wù)分類(lèi)功能。

3 實(shí)驗(yàn)分析

3.1 數(shù)據(jù)描述

本次設(shè)計(jì)利用爬蟲(chóng)爬到良性軟件8000 個(gè)，自行收集惡意軟件7000 個(gè)，驗(yàn)證實(shí)驗(yàn)中分別選取良性軟件7000 個(gè)和惡意軟件6000 個(gè)用作訓(xùn)練數(shù)據(jù)，另外良性軟件和惡意軟件各1000 個(gè)用作驗(yàn)證數(shù)據(jù)。

3.2 實(shí)驗(yàn)評(píng)定指標(biāo)

本次驗(yàn)證實(shí)驗(yàn)評(píng)定指標(biāo)主要包括準(zhǔn)確率（ACC）、查準(zhǔn)率（P）、查全率（R）、f-measure、實(shí)際預(yù)測(cè)均正例（TP）、實(shí)際預(yù)測(cè)均負(fù)例（TN）、實(shí)際正例預(yù)測(cè)負(fù)例（FN）、實(shí)際負(fù)例預(yù)測(cè)正例（FP）、TPR 和FPR。其中ACC=（TP+TN）/（TP+TN+FN+FP），P=提取出正確信息條數(shù)/提取出信息條數(shù)，R=提取出正確信息條數(shù)/樣本中信息條數(shù)，f-measure 為ACC 與召回率加權(quán)調(diào)和平均值，TPR 為被正確分類(lèi)樣本數(shù)目比例，F(xiàn)PR 為被錯(cuò)誤分類(lèi)樣本數(shù)目比例。

3.3 實(shí)驗(yàn)結(jié)果

本次驗(yàn)證試驗(yàn)選用10 份驗(yàn)證集，選用4 種分類(lèi)器分別為SDA、多層神經(jīng)網(wǎng)絡(luò)（MLP）、Logistic 回歸模型及NB 分類(lèi)算法，SDA 獲得ACC 為95.8%，高于其他3 種分類(lèi)器。

3.4 結(jié)果分析

實(shí)驗(yàn)結(jié)果顯示，基于SDA 構(gòu)建的3 層神經(jīng)網(wǎng)絡(luò)獲得ACC最高，屬于優(yōu)質(zhì)分類(lèi)器，與其他學(xué)習(xí)算法相比，SDA 可在分類(lèi)任務(wù)方面發(fā)揮更大作用，其作為一種特征學(xué)習(xí)方法，能將原始數(shù)據(jù)通過(guò)一些簡(jiǎn)單且為非線(xiàn)性模型，更為抽象、更高層次地表達(dá)出來(lái)，在大量轉(zhuǎn)換組合的基礎(chǔ)上，即使是非常復(fù)雜的函數(shù)，也能對(duì)其進(jìn)行有效學(xué)習(xí)，學(xué)習(xí)效率更高。以往提取特征通常采用手工設(shè)計(jì)的特征提取器，但手工設(shè)計(jì)需要設(shè)計(jì)者熟練掌握較多的工程技術(shù)與專(zhuān)業(yè)領(lǐng)域知識(shí)，要求較高，設(shè)計(jì)過(guò)程麻煩，如果僅需要通過(guò)通用學(xué)習(xí)過(guò)程即可獲取優(yōu)質(zhì)特征，則可將復(fù)雜的設(shè)計(jì)工作舍去。本次設(shè)計(jì)基于SDA 的Android 惡意軟件檢測(cè)系統(tǒng)，抓住了SDA 的關(guān)鍵優(yōu)勢(shì)，借助SDA 減輕設(shè)計(jì)難度，同時(shí)也能有效彌補(bǔ)淺層機(jī)器學(xué)習(xí)存在的不足，進(jìn)而實(shí)現(xiàn)Android 安全問(wèn)題的有效解決。

表1 實(shí)驗(yàn)評(píng)定指標(biāo)結(jié)果

4 結(jié)論

本文通過(guò)對(duì)Android 應(yīng)用軟件中存在的安全隱患進(jìn)行全面分析，利用BP 算法對(duì)SDA 神經(jīng)網(wǎng)絡(luò)行微調(diào)處理，最后設(shè)計(jì)出一套基于SDA 的Android 惡意軟件檢測(cè)系統(tǒng)，經(jīng)實(shí)驗(yàn)研究發(fā)現(xiàn)，此檢測(cè)系統(tǒng)檢測(cè)精度高，檢測(cè)性能強(qiáng)，檢測(cè)準(zhǔn)確率高達(dá)95.8%。