引言
随着移动互联网技术的兴起，移动终端设备的安全性得到了广泛的关注。Android操作系统因其开源性以及广泛的市场应用，成为移动终端设备的主要平台，然而这也使其成为恶意程序攻击的主要目标。Android恶意程序种类繁多，包括木马软件、勒索软件、广告软件和间谍软件等，这些恶意程序通过各种途径入侵设备，严重威胁用户的隐私和数据安全[1]。因此，有效地对Android恶意程序进行检测对于保护用户隐私数据及安全具有重要意义。
现有Android恶意程序检测方法在对恶意程序的特征表示和利用上不够全面，检测效果不够理想且鲁棒性较差。为了能够更加全面地表示恶意程序的特征以提高检测效果，本文提出一种基于多模态特征融合的Android恶意程序检测方法。该方法将多模态数据特征融合技术应用于Android恶意程序分析领域，使用文本和图像两种模态数据分别表征程序的权限特征和Dalvik字节码特征，通过构建前馈神经网络和卷积神经网络对其进行特征提取并对提取的特征向量进行加权融合后分类。
本文的主要工作及贡献包括：
（1）提出一种基于多模态特征融合的Android恶意程序检测方法，使用文本和图像两种不同的模态数据表征应用程序的特征；
（2）构建了动态权限表实现对权限信息的编码处理，同时实现了将Dalvik字节码可视化为“矢量”RGB图像；
（3）构建了前馈神经网络和卷积神经网络对不同模态的特征数据进行特征提取，对提取到的特征加权后相加进行融合并分类。
本文详细内容请下载：
https://www.chinaaet.com/resource/share/2000006284
作者信息：
葛继科，何明坤，陈祖琴，凌劲，张一帆
（重庆科技大学 计算机科学与工程学院，重庆 401331）
