基于深度神经网络的Android恶意软件检测方法

超凡，杨智，杜学绘，孙彦

（1.信息工程大学密码工程学院，河南 郑州 450001；2.中国电子技术标准化研究院，北京 100007）

1 引言

目前，Android操作系统已经牢牢占据半数以上的市场，是最受欢迎的智能移动平台之一。然而，这样的成功背后潜藏着大量的安全隐患。Android开放的生态环境为应用程序的编写提供了便利，但也使恶意软件可利用的漏洞增多。为了牟取金钱利益，恶意软件开发人员热衷于针对Android应用程序展开恶意活动，窃取用户隐私、重新打包良性应用等行为层出不穷。

恶意软件数量的快速增长促进了研究人员对安全工具的开发。虽然Android框架本身拥有沙箱隔离、权限机制等安全设计，但这不足以抵抗恶意软件越来越隐蔽多变的技术手段。在Android安全领域，已经有许多工作致力于检测恶意软件，主要分为动态分析和静态分析两类。动态分析在Android应用程序运行时跟踪其行为，而静态分析对应用的APK文件进行分析。随着人工智能技术的发展，基于机器学习的恶意软件检测方法逐渐得到探索，支持向量机（SVM，support vector machine）是其中的代表模型，代表工作有文献[1-3]。与传统机器学习算法相比，深度学习能够更充分地挖掘特征之间的深层联系，是近年来非常具有发展潜力的一个研究方向。

深度学习使用的特征可以通过动态或静态方式提取。文献[4-6]是使用动态特征的深度学习检测系统。Dahl等[4]首次将神经网络应用于恶意软件检测，从文件的动态分析中提取低级特征，通过随机映射降维，并使用深度神经网络（DNN，deep neural network）进行分类，他们的工作能够预测未知文件是恶意还是良性，也可以识别恶意软件所属类别。MtNet[5]是一个与之类似的多任务深度学习恶意软件分类架构。Tobiyama等[6]提出基于进程行为的恶意软件进程检测，将一组API调用序列输入长短期记忆网络进行进一步的特征精炼，然后通过卷积神经网络（CNN，convolutional neural network）进行分类。

使用静态特征的系统从APK文件中挖掘不同的分析关键。例如，文献[7-10]分别提取函数调用图、API调用序列、原始操作码序列、原始操作码序列与指令功能序列作为特征，使用的分类器均为CNN。文献[11]通过自动提取请求的权限和敏感API，训练基于深度置信网络（DBN，deep belief network）的学习模型。文献[12]在DBN的基础上添加自动编码器网络，能够有效地对特征数据集进行降维。文献[13]提取API调用、服务及敏感权限作为特征，提出了一种基于深度森林的恶意软件行为检测机制，采用ReliefF算法进行降维，并将样本分为良性应用及3类不同行为的恶意软件。

还有一些工作从静态与动态两方面提取混合特征。Droid-Sec[14]是一个基于半监督DBN的Android恶意软件检测系统，特征包括权限、敏感API及动态行为。同样采用DBN的混合分析方法还有DroidDetector[15]和DeepDroid[16]。HADM[17]为每个特征向量集训练DNN，将DNN学习的特征与原始特征相结合，然后使用多核学习进行分类。SDADLDroid[18]收集APK文件的混合特征，经主成分分析数据降维后输入多层降噪自动编码机进行学习。

本文提出一种基于深度神经网络的Android恶意软件检测方法，可以判断应用程序是良性还是恶意，并能识别恶意软件所在的家族。针对以往工作中提取的特征不够全面，本文对应用程序的APK文件进行静态分析，从配置文件和反编译代码中收集应用组件、Intent Filter、权限、数据流等多方面特征。由数据集样本的所有特征组成特征库，并为每个样本生成各自的特征向量。经观察，这样的特征向量中存在大量为零的维度，且有很多对于分类来说无意义的特征，应当对特征空间予以简化。因此，本文基于遗传算法[19]设计了一个特征选择方案。

本文预期实现恶意软件检测与家族分类的双重目标，不仅能够将良性应用与恶意软件区分开来，而且可以准确地将恶意软件定位到其所属家族。家族是指具有共同起源特征的一类恶意软件，家族内的恶意软件之间有着相似的行为方式。因此，本文设计的分类实验并非是传统恶意软件检测的二分类，而是将良性应用单独作为一个类别、恶意软件直接以家族为类别的多分类。要达到这样精细的分类，需要一个强有力的深度学习模型。实验表明，深度神经网络可以较好地完成这一任务。

2 特征空间的组成模式

本节探讨了哪些特征可以在Android恶意软件检测中发挥作用。通过观察良性应用与恶意软件的不同之处并分析差异产生的原因，选出了一系列有代表性的特征，它们均可以通过应用程序的配置文件和DEX代码整理获得。

2.1 应用组件

（1）四大组件

Android应用程序由4种类型的组件构成，分别是Activity、Service、Broadcast Receiver和Content Provider。Activity提供用户操作的可视化界面，完成特定的用户交互功能。Service进行背景任务，通常用于在后台处理耗时的操作或监控其他组件的运行状态。Broadcast Receiver是一个全局监听器，接收特定广播消息并作出响应。Content Provider的主要作用是跨程序共享数据，提供标准接口以支持多个应用存储和读取结构化数据。应用程序组件都需经过注册方能被系统识别。

（2）组件比重

事实上，恶意软件与良性应用的组件构成比重有所不同。普遍来说，恶意软件会比良性应用注册更高比例的Broadcast Receiver，而Activity、Service和Content Provider等组件的比重相应降低。

由于隐蔽的恶意活动需要选择合适的时机，恶意软件希望能够在系统环境发生改变时得到相关提示，如网络连通性的改变、电池电量不足等。Broadcast Receiver接收广播的功能决定了该类型组件在监视系统事件方面有着广泛的用途，在恶意软件中相当流行。

与此同时，作为一款应用程序，恶意软件仍然需要假意向终端用户提供一些实用功能，但这些功能非常有限，完全无法与良性应用所能提供的相提并论。这就意味着恶意软件注册的Activity、Service和Content Provider组件数目占比较小。

（3）组件名称

Android开发鼓励代码的重复利用。这种情况不仅在良性应用中会出现，而且在恶意软件中相当常见，这也是区分两类应用程序的一个重要线索。

在良性应用中，同一开发团队设计的应用之间固然会有一定的相似性，但也会利用其他知名应用开放的各种组件，在自家产品中申请其他应用的自定义权限，这些权限通常来自华为、腾讯、阿里巴巴、谷歌、Facebook等企业。

然而，代码的再利用问题是一把双刃剑。同一家族内的恶意软件大多具有类似的恶意行为，可能拥有相同的核心组件，共享实现攻击的代码。例如，在恶意软件家族DroidKungFu1中，尽管每个恶意软件具有不同的包名，但大多包含组件com.google.ssearch.SearchService。而诸如com.google.ads.AdActivity等组件，甚至遍及数个恶意软件家族。另外，有些重复利用的组件在保留名称的基础上改变前缀。例如，在RogueSPPush家族中，组件MoreExcting Activity非常流行，某一样本中含有名为com.talkweb.comm.MoreExctingActivity的组件，而在另一样本中则变成了com.heroit.tzuwei.lite.More Excting Activity。

恶意软件热衷于把自己掩饰成良性应用，以便更好地在Android市场上隐蔽。通常，应用程序的功能通过编写组件来实现，因此组件的命名需要清晰地表达用途。一般来说，组件名称采用几个单词的组合，如ModifyPasswordActivity是一个提供修改密码功能的Activity组件。笔者观察到，良性应用的组件名多为3个及以上单词的组合，恶意软件多为两个单词的组合，由此可见这两类应用程序在组件名的长度和复杂性方面存在一定的差异。而有时，恶意软件未必遵循这一编程惯例，故意将组件冠以具有一定迷惑性的名称，如com.google.update.Update。普通用户可能会被这些名字欺骗，误将恶意软件当作知名公司提供的产品。

（4）特征提取

本文在考虑与应用程序组件相关的特征时，分别记录每个应用中各类型组件数占总数的比例及其无前缀组件名称。

2.2 Intent Filter

（1）ICC机制

Android操作系统拥有一个独特的通信模型，称为组件间通信（ICC，inter-component communication）机制，它提供特定的方法以便同一应用内甚至不同应用间的组件进行数据交换。然而，恶意软件很可能滥用该机制，以达到窃取用户隐私等目的，因此，可在特征库中加入可以反映ICC活动的特征。

ICC机制使用被称为Intent的特殊异步消息，可在Activity、Service、Broadcast Receiver这3种组件间传递信息。Intent通过属性对期望执行的动作进行抽象，主要分为显式和隐式两种。显式Intent直接指明目标组件名称，多用于在应用程序内部传递消息。隐式Intent的目标组件不是通过指定名称，而是通过设置Intent的其他属性进行筛选，因而在跨应用消息传递方面有着广泛应用。想要接收隐式Intent的组件，必须在AndroidManifest.xml文件中声明相应的Intent Filter。然后，系统进行Intent解析，匹配出合适的组件。

（2）Intent Filter的用途

Intent Filter在Android应用程序中应用广泛。无论是在良性应用还是恶意软件中，有很多组件注册Intent Filter，但这两种应用程序对其的使用方式大不相同。良性应用主要用于正常的组件间信息传递和协调工作，而恶意软件则可以劫持Intent趁机发动攻击。通过精心设计Intent Filter来截获未受到权限保护的隐式Intent，恶意软件可以通过Activity劫持或Service劫持获取用户数据信息、故意发送错误结果对原程序造成破坏，也可以窃听、篡改、丢弃广播内容，或者根据被广播的系统范围事件进行其他恶意活动。

（3）Intent Filter的属性

Intent Filter具有多个属性，最重要的当属action和category，因为它们与Intent要执行的动作息息相关，可以确切反映出它的意图。属性action是表现Intent要执行的动作名称的字符串，Android定义了一系列的标准动作，应用可以根据需要自定义动作。为了防止应用程序之间互相影响，一般自定义action的命名方式是在动作名称前加上包名作为前缀，如com.intsig.camscanner.Launcher。属性category是包含Intent额外信息的字符串，用来表现动作的类别。这两种属性通常一起使用。同样地，category也有系统定义和自定义两种。

（4）特征提取

manifest文件中声明了Intent Filter的组件，本文将其组件名称与对应Intent Filter的两大属性信息作为一个整体记录在特征库中。单纯的组件命名可能有偶然性，但加上Intent Filter能在很大程度上反映出该组件的用途及其关注点。

这一组合加强了组件名称这一类特征的针对性，但本文同样关注Intent Filter本身所包含的意义，通过记录Intent Filter中声明的action和category属性字符串，本文可以得知组件感兴趣的事件，从而推断出该应用程序是否具有恶意。

2.3 权限

（1）权限机制

权限机制是Android平台中一种很重要的安全机制。权限主要通过限制应用程序对系统资源的访问以及组件之间的数据共享，达到保护用户隐私和平台安全性的目的。它是对进程沙箱隔离机制的一种有力补充，增强了单独进程空间中应用获得系统信息和与其他应用通信的能力。

（2）权限范围

默认情况下，Android应用不具有任何权限，必须在AndroidManifest.xml文件中进行申请。Android框架提供了一套系统权限，开发人员也可以根据需要自定义权限。根据protectionLevel属性值的不同，Android权限可划分为普通、危险、签名、系统4个保护级别。随着Android版本不断提升，可选择的系统权限也会有所变化。在本文的数据集中，应用程序使用的API版本不同，加上大量自定义权限的存在，导致需要考虑的权限范围很广泛。

（3）Android版本对权限机制的影响

从Android 6.0版本开始，Google对权限模型做了一次大调整。在以往的权限模型中，应用在配置文件中申请所需的权限，并在安装时向用户呈现，用户只能选择全部接受或放弃安装。权限一旦授予就无法更改，用户无法掌握权限的具体用途。新权限模型采用动态授权，应用程序申请危险权限后，在运行时向用户请求授权，且用户可以随时在设置中修改这一授权。一旦某个权限被撤销，应用在使用时必须重新请求用户的同意。此外，新增了权限组的概念，用户对危险权限的授予以组为单位进行。

然而，程序在运行时具体遵循何种权限机制，不仅与应用的SDK版本有关，也与用户设备安装的Android系统版本有关，其中存在二者的兼容问题。此外，在新权限模型中，用户在实际应用时具体会触发哪些权限是未知的，而这些权限是否会得到用户授权也是一个问题。考虑到这些情况，本文采用一种较为保守的方式，忽略数据集中各种应用程序的不同SDK版本，统一以静态授权的方式看待所有权限，即不考虑同组权限无须明确申请的可能，也不考虑部分权限可能无法得到用户授权的可能。

（4）权限使用

如果应用程序实际使用了没有申请的权限，在调用权限的相应功能时，会抛出Security Exception异常。然而，应用程序在manifest文件中申请的权限与代码中以API形式体现出的权限使用点并非完全一致。有许多原因可能会造成这种情况。

①并非所有权限的目标都是保护系统API接口，也可能用于数据库操作和消息传递等其他方面。Content Provider存储用户数据，有时需要权限来限制其他应用对其进行操作。例如，为了对存放联系人数据的Content Provider执行读取查询，应用必须拥有READ_CONTACTS权限。权限也可以限制系统Intent消息的接收，只有拥有适当权限的应用才可以得到相关通知。

应用程序可能会申请其他应用定义的权限。Android系统允许应用程序自定义权限，一般用于保证跨应用组件通信与共享数据的安全性。除了同一企业内不同应用通过自定义权限共享信息的需要，也可以申请其他开发者定义的权限。应用程序可以公开某些组件，便于其他应用调用，从而实现应用之间的跳转。

②本文选择的实验工具可能不够完善，无法检测到所有需要权限的API函数。

③对于目标SDK版本大于或等于23的应用程序来说，新权限模型导致同组权限无须全部申请。

④程序开发人员经验不足造成的错误。Android文档可以提供的权限信息内容比较有限，甚至存在错误和遗漏之处，使开发人员对于需要申请哪些权限把握不当。

⑤部分权限无法发挥作用。例如，应用程序申请签名级别的权限，却不具有相应的私钥签名，Android系统会自动判定该权限无效。

（5）特征提取

权限能够在较大程度上反映出应用程序所需的资源，是一种很重要的行为指示。Android应用的权限使用情况复杂，本文在提取特征时简化了对其的考虑。根据应用程序在配置文件中申请的权限，以及工具在代码中找到的受权限保护的API使用点，将权限特征分成3个部分：申请且以API形式使用的权限及其API使用点、申请且未以API形式使用的权限、未申请且以API形式使用的权限及其API使用点。除了权限以外，本文还记录受权限保护的API使用点，虽然要达到同一目的有很多API可供选择，但同一家族恶意软件针对某些权限的常用API是有偏向性的，且良性应用与恶意软件对API的选择上有一定的差异，因此记录使用权限的API及其出现次数很有必要。

2.4 数据流

（1）污点分析

隐私泄露是Android应用程序面临的主要安全问题之一，是指在用户不知情的情况下将个人信息传出设备的行为。在现有的Android机制下，智能设备中存储了大量的用户隐私数据，而用户对应用具体如何使用这些数据缺乏清晰的认识，这使恶意软件有了可乘之机。

污点分析是检测Android隐私泄露问题的常用手段，通过跟踪隐私数据从源头到流出点的流动过程，指出应用对隐私数据的使用方式，从而判断是否存在隐私泄露。数据源即数据进入程序的入口，被称为source，是读取资源的API调用接口；数据流出点即数据离开程序的出口，被称为sink，是写入资源的API调用接口。数据流就是从source到sink的API路径。

（2）分析工具

本文使用FlowDroid[20]来识别Android应用程序中的数据流。FlowDroid提供了一个高度精确的静态污点分析，追踪隐私数据在控制流图中的传递，具有完全的对象敏感、流敏感、上下文敏感性。FlowDroid默认配置的是SUSI[21]项目提供的source/sink API列表。

（3）特征提取

虽然隐私泄露的情况可以反映应用程序的恶意性，但并非所有恶意软件都会窃取隐私，而且在良性应用中存在着使用敏感数据的合理诉求。即FlowDroid显示的数据流结果未必是隐私泄露的表现，但在某种程度上体现了应用对数据的获取与使用方式。因此，本文不是通过确定特定数据流是否具有恶意，而是从整体数据流情况上衡量良性应用与恶意软件之间的行为差异。

本文认为FlowDroid输出的source-sink对代表了敏感数据流，因此将应用程序输入FlowDroid进行分析。从相同源获取的数据可以有不同的流出点，而不同源的数据也可以流向同一个出口，但只要处于不同的代码位置上就会被忠实地记录，因此得到的source-sink对的数量相当可观。

虽然SUSI从语义上提供了source、sink的进一步分类，但本文没有采用这种形式，而是以完整的方法签名来表达数据流。前者固然能够更好地说明敏感数据的使用方式，但通常存在多种接口函数可以达到同样的效果。一般来说，良性应用会选择较为普及的Android API方法来访问和使用敏感信息，而恶意软件开发者出于躲避安全分析工具的心理会选择一些知名度较低的API函数。因此，良性应用和恶意软件在FlowDroid中输出的source、sink以及source-sink对结果都会有所不同。

2.5 特征空间

为了使本文的分析通用可扩展，根据前文对良性应用和恶意软件的观察，笔者将特征空间进行相应划分，并将所有特征表示为字符串的形式，而应用的特征向量在各自维度上表现为对应特征的数量。从本文数据集样本中提取的所有特征组成了最终的特征库。综上所述，本文的特征空间组成如表1所示。

表1 特征空间组成Table 1 Composition of feature space

3 系统设计

为了进行面向Android平台的恶意软件检测，需要将应用程序的大量活动从不同角度抽象成特征，并逐步处理成学习模型可接受的表达，本文的整个系统设计如图1所示，主要分成5个步骤。

1)特征提取：对数据集中的Android应用程序进行静态分析，提取相应的特征，所有样本特征组成特征库。

2)特征向量生成：将特征库转化为一个特征空间，并分别将每个应用的特征集在其中进行映射，生成应用的特征向量。

3)特征选择：初步提取的特征总数较大，而且其中有许多无用特征，在此情况下进行机器学习的效率较低，因此采用遗传算法对特征空间进行压缩。

4)深度神经网络学习：在得到最终的特征向量后，可以采用有效的深度学习技术进行分类。本文选择深度神经网络模型。

5)分类：经过深度神经网络学习，本文预期的分类结果既可以将恶意软件与良性应用区分开来，又可以得到有关恶意软件所属家族的信息。因此，本文采用了一种特殊的多分类方法，其中包含二分类信息。

3.1 特征提取

为了更好地从Android应用程序中获得所需信息，本文借助工具Androguard[22]和FlowDroid[20]对应用的APK文件进行静态分析，提取相关特征。

Androguard基于Python开发，是一款常用的Android应用程序静态分析工具。Androguard在其源码主目录下集成了10多种子工具，分析人员可以以命令行的方式按需获取应用程序的各项基本信息，并且生成一些相关的调用图。

图1 系统设计Figure 1 System design

FlowDroid是一款用Java实现的、针对Android的开源静态污点跟踪工具。FlowDroid通过准确地建模Android应用程序的生命周期及其与操作系统之间的交互，从源头开始追踪敏感数据在组件中流动的过程。

图2概述了本文如何利用这两大静态分析工具提取所需特征。

图2 特征提取Figure 2 Feature extraction

3.2 特征向量生成

在应用程序特征提取完毕后，本文将数据集中所有样本的特征汇总成一个特征库，其中的每个特征都以字符串的形式来表达。大多数的机器学习方法适用于数值型向量，因此需要将提取的特征字符串嵌入向量空间，只记录特征的数值。对于每个应用，特征向量的维度都与特征库的规模相同，是一一对应的关系。根据特征库，每个应用将自身拥有的特征映射成特征向量相应位置上的数字，不具备的特征对应0。

3.3 特征选择

根据前面所述的特征提取方式，本文从1 340个良性应用和1 260个恶意软件中初步提取了24 162个特征。平均而言，每个应用程序拥有的特征不过数十个，特征向量中存在大量值为0的维度。在原始特征数量下进行机器学习花费的时间较长，且容易产生过拟合现象，导致模型泛化性能较差。因此，本文拟采用遗传算法[19]对特征空间进行压缩，从中过滤掉无用特征，筛选出表达能力更强的200个特征。

遗传算法是一种以遗传学理论为基础、模拟生物进化过程的搜索优化计算模型。标准的遗传算法遵循“生成+测试”的迭代过程，从初始解开始进行择优繁殖，逐步筛选出一定条件下的最优解。下面是基于遗传算法对特征选择问题的解决方案。

1)问题建模：根据遗传算法的模型，对问题进行结构化表示。在遗传算法中，问题的可行解被称为染色体，它是基因的集合。具体来说，基因指的是特征库中的特征，染色体就是特征的组成方案。因此，每个特征选择方案对应的染色体都带有24 162个基因。本文采用二进制编码，用0、1来表达解中是否存在某个特征。

2)种群初始化：种群是现有染色体组成的集合。在算法运行之初，通过随机生成一组可行解，形成初始种群。此处，对可行解的定义是在24 162个基因中只有200位被标为1的染色体。种群规模越大，越有可能找到全局最优解，但所需的运行时间相对较长。本文设定的种群规模为30。

3)个体评价：适应度函数是个体对环境适应程度的评价标准，体现了在当前背景下个体的优劣情况。适应度的取值范围为[0,1]，得分越高，个体的适应程度越好。在特征选择问题中，本文将适应度定义为当前特征选择方案下的机器学习精度。

4)遗传操作：遗传操作模拟基因进化，是实现优胜劣汰的有力手段。在初始种群形成后，通过将优秀个体的基因进行结合重组，以期产生具有更强适应性的后代。遗传操作包括选择、交叉和变异3个基本的遗传算子。

①选择运算：选择操作确定每次迭代时种群中哪些个体可以成为父代。根据生物进化规律，适应度更高的个体理应得到更多的机会繁殖后代。当然，这不意味着适应度低的个体完全不可能遗传基因。因此，父代选择应当是一种基于适应度但具有一定概率性的过程。

轮盘赌选择是一种常用的选择算子。它将当前种群中所有个体适应度的总和对应到一个轮盘的圆周，每个个体按其适应度在适应度总和中的比例占据轮盘的相应扇区。每次选择父代时，只需转动轮盘，即可得到一个候选者。每轮进化都将种群进行一次彻底更新，因此进行30次选择。父代之间随机配对，经过繁殖后得到相同数量的子代。

②交叉运算：交叉是将父母的染色体按照一定的方式进行结合，从而生成新的个体。由于本文问题的可行解需要满足特征数为200，因此交叉算法在均匀交叉的基础上进行一点改变。将父母染色体按其适应度之比等比例分配200个值为1的基因位，根据分配到的个数，从自身200个非零基因中进行等概率选取，遗传给子代。本文设定的交叉概率为0.6。

③变异运算：变异以很小的概率随机改变染色体上某些基因值，能够向已有染色体中引入新的遗传结构。本文采用均匀变异算子，每个基因的值都以相同的概率发生随机变化，但同样要保证染色体中非零基因只有200个。通常，变异率是一个比较小的值，以保证优秀的解不会发生过多的变形。本文设定的变异率为0.001。

5)替换策略：经过一轮遗传操作，所有新生成的子代会组成当代种群，替代原有个体。进化的过程不是一帆风顺的，相邻子代之间未必会得到更好的种群，但是从全局来看，种群必定会向着更加适应环境的方向发展。

6)终止条件：在理想情况下，进化次数应该是无穷的，但实际应用时往往需要人为限制一个终止条件，以平衡算法效果和执行效率之间的关系。本文设置算法在进化100代后终止，这足以得到一个最优可行解。

3.4 深度神经网络学习

由特征选择的最优解得到最终特征空间后，还需要对数据集中样本的原始特征向量进行相应的调整，然后进入深度学习的过程。

（1）监督学习

监督学习是一种常用的机器学习范式，利用已标记的数据集，通过某种学习方法建立一个模型，实现对未标记新数据的分类。监督学习主要经历训练和测试两个阶段，分别输入训练样本和测试样本。训练样本需要给出类别标签来指示模型的生成，而测试样本对模型来说类别未知，以便测试训练效果。在训练阶段，根据学习算法对训练样本的特征向量进行训练，据此生成一个模型。然后进入测试阶段，输入测试样本的特征向量，模型会对其进行分类，可预测未知样本的类别，也可以据此与样本的真实类别进行比较，评估模型的学习效果。

（2）深度神经网络

本文选择的算法模型是DNN。DNN是深度学习中经典的全连接神经网络架构，适用于处理复杂数据情况下的建模问题。它的模型结构层次较深，追求学习效果，忽视结果的可解释性。以SVM为代表的传统机器学习算法结构较为简单，通常只能达到二分类的效果，无法应对大样本情况下的多分类问题。在基于深度学习的恶意软件检测系统中，CNN、DBN是两种应用较多的网络。CNN的卷积网络使其适于处理具有空间结构或连续性的数据，如文献[7,10]为CNN提取了函数调用图、指令序列等连续特征，但对于多个离散特征集来说并不合适。与DNN纯粹的监督训练相比，DBN引入一个无监督的预训练过程来进行权重偏置的初始化，该过程对于无标签的小样本数据来说较有意义，对当前数据集来说收益不大。相比之下，本文方法通过对恶意软件和良性应用的丰富观察完成较为全面的特征工程，且在进入学习前已经通过特征选择进行降维，深度学习只需完成分类任务即可，在全连接网络中的计算速度也不慢。因此，DNN更适合本文的整个系统架构。

（3）算法实现

本文利用流行的TensorFlow框架[23]实现深度神经网络学习。TensorFlow由Google人工智能团队Google Brain开发维护，是一个基于数据流编程的符号数学系统，可进行各类机器学习和深度学习算法的编程实现，被誉为人工智能的开源神器。TensorFlow框架提供了很多实用的开发接口，支持GPU计算，便于高效搭建出网络架构。

3.5 分类

本文预期达到两个分类效果，区分恶意软件和良性应用，并了解恶意软件所在的家族。因此，对数据集样本性质的标注并非采用传统的良性、恶意两个类别，除了所有良性应用作为单独的一个类别，恶意软件并非作为一个整体，而是按照其所属家族进行归类。以这种方式，本文把良性应用与恶意软件家族放在一个类别层面上进行考虑。这样的多分类方法将二分类包含在内，既能够比纯粹的二分类得到更多有关恶意软件的信息，又省去了“先二分类，再多分类”的多次学习方式的不便。

本文也曾尝试为良性应用采用一种分类标准。然而，目前各大Android应用市场的分类尚未统一、具有较强的主观性，且同一类别下的应用程序功能分散，相似点不够明显，远不如恶意软件家族内的联系紧密。显然，市场分类不足以从技术层面上区分良性应用，不具备借鉴意义。因此，本文没有对良性应用进行分类，而是将其作为一个整体来考虑，希望可以在将来的工作中通过聚类等手段为其构建新的分类。

4 评估

本节介绍实验实施的细节，包括数据集的来源、特征选择前后特征数量的分布、二分类与多分类实验的评估结果，以及全过程的运行时间开销。

4.1 数据集

本文的实验数据集分为良性样本和恶意样本两部分。恶意软件来自Android Malware Genome Project[24]，能够评估Android恶意软件检测方法的有效性。同时，在2019年8—12月期间，笔者在华为应用市场上下载了各个类别中排名靠前的Android应用程序。为确保良性数据集的真实性和可靠性，本文将其发送到VirusTotal[25]服务进行检查。VirusTotal是一个免费提供可疑文件分析服务的网站，使用70多种反病毒扫描引擎对用户上传的文件进行检测，给出各个工具的安全分析结果。在未超时的情况下，当且仅当所有的反病毒扫描程序均显示为未发现警告时，才将应用程序标注为良性。在使用Androguard和FlowDroid进行分析的过程中，部分应用程序由于文件损坏或无法被完整地提取特征而排除在考虑范围之外。最终，本文得到来自49个家族的1 260个恶意软件，以及来自华为市场17个类别的1 340个良性应用，共计2 600个实验样本。

4.2 特征分布

在提取所有样本特征后，组成了原始的特征空间。这一特征空间过大，导致分类效率较低，因此，基于遗传算法对已有特征进行选择，构成新的特征空间。表2给出了特征选择前后的特征分布统计情况。

表2 特征分布Table 2 Feature distribution

本文最终得到的200个特征涉及各个特征类别，由此可见，本文的特征提取方案是有效的，但其中有许多特征对于分类来说无足轻重，或特征之间存在关联性导致其包含冗余信息。此外，由表2可以看出，遗传算法筛选后的特征分布与原始特征分布并不一致。

与应用组件相关的特征分为组件名称和组件占比这两部分。在原始特征集中，由于良性应用的组件数量较多，导致组件名特征占据了很大一部分空间。经过特征选择后，保留的多为恶意软件家族中出现频率较高的组件名称，且通常带有Intent Filter。良性应用组件名特征的缩减幅度最大，因为其中有大量组件只出现过一次，对于分类来说毫无意义。虽然组件比重在原始特征集中只有4个，但仍有2个保留了下来，分别是Activity和Broadcast Receiver的占比，充分表明记录该特征的必要性。

Intent Filter、权限类别的特征分布与原分布有一定的相似性。虽然Intent Filter和权限特征在新特征空间中的数量低于样本类别数，但这两类特征与组件名特征的不同之处在于，重复的组件名称主要限定在家族之内，而常用的Intent Filter和权限大致有一定的范围且多为系统定义，家族之间的区别在于特征组合方式不同。相同的是，这些类型的原始特征有很大一部分是由良性应用引入的，且自定义特征占据了相当的比重。

信息流特征主要涉及恶意软件的信息泄露行为，良性应用中虽有对敏感数据的使用，但目的不同导致两种应用程序偏好的敏感API及数据流路径不同。遗传算法保留的信息流特征兼顾了良性应用与恶意软件的不同情况。

由此可见，特征选择过滤掉的绝大部分特征与良性应用相关，因为良性应用普遍体量较大、特征较多，且大部分特征在其他样本中的出现次数极为有限，对于分类来说缺乏指示性。这充分说明了恶意软件与良性应用之间的一个巨大差别，即恶意软件以家族为单位呈现出较强的联系性，而良性应用的特征则较为分散。

4.3 实验评估

本文采用10折交叉验证[26]对实验结果进行评估，基于同一数据集将DNN与SVM、CNN、DBN方法的表现相比较。其中，SVM是传统机器学习算法的代表，而CNN和DBN是近期相关工作中出现频率较高的深度学习网络。在保证数据分布较为一致的前提下，本文把良性和恶意数据集各自随机分成10个互不相交的子集。在每一轮实验中，将一个尚未挑选过的良性子集和一个恶意子集作为测试数据集，剩余子集作为训练数据集。如此依次进行10轮实验，每轮实验互不干扰，不仅可以保证每次实验使用的训练与测试样本不会重复，而且数据集中的每个应用程序都能得到一次测试分类的机会。

（1）实验配置

本文在一台搭载6核1.10 GHz的Intel Core i7-10710U处理器和16 GB内存的计算机上进行实验。基于当前数据集，深度学习的最佳网络结构需通过实验来决定，下面给出检测效果最好的参数配置。

①DNN采用全连接网络，具有2个隐藏层，每个隐藏层有120个节点。

②DBN由2层受限玻尔兹曼机和1层反向传播网络构成，其中隐藏层节点数均为150。

③CNN由1个卷积层、1个最大池化层、1个全连接层和Softmax分类器组成，采用128个长度为3的卷积核。

此外，激活函数均为ReLU，丢弃率为0.5。

（2）实验结果

本文的多分类实验涉及50个类别，其中49个是恶意软件家族，1个是良性应用类别。这一设计既能得到Android应用程序是否具有恶意的二分类结果，又可以进一步区分恶意软件家族之间的差异。3个深度学习网络均可直接进行多分类，而SVM是二值分类器，无法一次性得出多分类结果，因此采用一对多法，每次训练将其中一个类别与其他类别相区分。

表3比较了不同机器学习算法对于应用程序性质判断的二分类结果，这些数据基于多分类实验结果，并规定恶意软件为正样本，良性应用为负样本。对于二分类任务，本文使用的度量标准是查准率、查全率、F1值和精度。查准率是所有分类结果为正的样本中正确预测的比例，查全率是所有正样本中正确预测的比例，精度是所有样本中正确预测的比例。查准率和查全率是一对矛盾的度量，F1值是二者的调和平均，给出这两个度量标准的一个综合性能。二分类结果表明，DNN可以将数据集中97.73%的应用程序正确分类为恶意软件或良性应用，分类效果优于其他3种机器学习算法。

表3 二分类结果比较Table 3 Comparison of binary classification results between different networks

表4记录了不同机器学习算法的多分类比较结果。对于多分类任务，对应的度量标准分别是宏查准率、宏查全率、宏F1值和精度。宏查准率和宏查全率分别是各类别查准率和查全率的平均值，宏F1值是二者的调和平均。此外，表4给出了各算法的计算时间，其中SVM的耗时为50次二分类的平均用时。

表4 多分类实验结果比较Table 4 Comparison of multi-class classification results between different networks

在表4中，由于数据集中各恶意软件家族样本数目分布不均，部分小样本家族的查准率、查全率对整体的宏查准率、宏查全率产生了较大的影响，从而导致相关度量值普遍较低。由表3与表4比较可得，在这些被错误分类的样本中，发生应用程序性质的判断错误属于少数情况，大部分问题出现在恶意软件内部家族的分类失误。实验结果表明，DNN的多分类精度可达93.54%，考虑到恶意软件家族数量之多，这已经颇有成效。DBN与CNN的分类精度仅次于DNN，而SVM与3种深度学习网络之间有一定的距离。在这些比较对象中，DBN与DNN的分类性能最为接近，且耗时略小于DNN，但从整体表现来说，DNN仍是最佳选择。

5 结束语

识别恶意软件是Android安全领域中一个重要的问题。为了应对这一问题，本文提出一种基于深度神经网络的Android恶意软件检测方法，既可以判断应用程序是良性应用还是恶意软件，又能识别恶意软件所属的家族。本文方法采用静态分析与机器学习相结合的概念，具有较强的可扩展性。对Android应用的静态分析能够从多个角度较为全面地提取相关特征，较好地捕获了良性应用与恶意软件之间的差异。基于遗传算法的特征选择，对原始特征空间进行有效的压缩，保留了对于分类来说真正有价值的特征。将良性应用与恶意软件家族一同分类的特殊多分类方法，使深度神经网络能够更大限度地发挥功用。上述系统设计保证了本文方法既能有效地辨别良性应用与恶意软件，又能准确地区分恶意软件家族之间的差异。实验结果表明，深度神经网络表现出比其他机器学习方法更好的分类性能。然而，静态分析方式缺少应用程序的实际执行信息，还面临着代码混淆、动态代码加载、Java反射和本地代码等带来的挑战。这些问题暂时无法被静态分析工具高效地解决，可能会成为恶意软件可利用的漏洞。这将是未来工作努力提高的方向。