BriefGPT - AI 论文速递
·
基于神经嵌入和 BERTroid 的安卓恶意软件检测
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种机器学习动态分析方法，用于检测移动恶意软件，并提供可证明有效的置信保证。实验证明该方法有效且无偏。
🎯
关键要点
- 智能手机设备的显著增长和移动平台在敏感应用程序中的快速普及导致移动恶意软件迅速增加。
- 本文提出了一种机器学习动态分析方法，提供可证明有效的置信保证，适用于恶意和良性类别。
- 该方法基于一致性预测的新型机器学习框架，结合随机森林分类器。
- 在真实的Android设备上，测试了1866个恶意应用程序和4816个良性应用程序的大规模数据集。
- 实验结果证明了所提出方法的输出具有经验有效性、有用性和无偏性。
➡️
