AdMat: Androidマルウェア検出と分類のためのCNN-on-Matrixアプローチ

ビッグデータと手頃なハードウェアの利用可能性により、さまざまなタスクにおける深層学習の応用が可能になりました。セキュリティに関して、深層学習の応用を画像認識や自然言語処理の領域からマルウェア検出に転用する試みがいくつか行われています。本研究では、Androidアプリケーションを画像として扱うことで特徴付けるシンプルながら効果的なフレームワークAdMatを提案します。本研究の新規性は、各アプリケーションの隣接行列の構築にあります。これらの行列は、畳み込みニューラルネットワークモデルへの「入力画像」として機能し、良性アプリと悪性アプリ、およびマルウェアファミリーを区別するための学習を可能にします。実験中、AdMatはさまざまなトレーニング比率に適応し、異なるマルウェアデータセットにおいて平均検出率98.26%を達成できることがわかりました。分類タスクでは、限られたトレーニングデータで異なるマルウェアファミリーの97.00%以上を成功裏に認識しました。