Nos últimos anos, a detecção de malware em Android baseada em aprendizado tem avançado significativamente, com detectores geralmente se enquadrando em três categorias: baseados em strings, baseados em imagens e abordagens baseadas em grafos. Embora esses métodos tenham demonstrado um forte desempenho de detecção, eles frequentemente têm dificuldade em manter a robustez em cenários do mundo real, especialmente quando enfrentam obfuscação de código e exemplos adversariais (AEs). O aprendizado profundo multimodal emergiu como uma solução promissora, aproveitando as forças de múltiplos tipos de recursos para aprimorar a robustez e a generalização. No entanto, uma investigação sistemática da fusão multimodal para precisão e resiliência ainda é pouco explorada. Neste estudo, propomos o DMLDroid, uma detecção de malware em Android baseada em fusão multimodal que aproveita três representações diferentes das características do malware, incluindo permissões e intenções (baseadas em tabelas), representações de arquivos DEX (baseadas em imagens) e chamadas de API (sequência derivada de grafo). Realizamos experimentos exaustivos de forma independente em cada recurso, bem como em combinação, utilizando diferentes estratégias de fusão. Resultados experimentais no conjunto de dados CICMalDroid 2020 demonstram que nossa abordagem multimodal com o mecanismo de fusão ponderada dinâmica alcança alto desempenho, atingindo 97,98% de precisão e 98,67% de F1-score na detecção de malware original. Notavelmente, o método proposto mantém uma forte robustez, sustentando mais de 98% de precisão e 98% de F1-score sob cenários de obfuscação e ataque adversarial. Nossos achados destacam os benefícios da fusão multimodal na melhoria tanto da precisão da detecção quanto da robustez contra ameaças de malware em Android em evolução.
Trung et al. (Sun,) estudaram essa questão.