计算机工程

作者：韦昊东, 万良

单位：1. 贵州大学公共大数据国家重点实验室, 贵州 贵阳 5500252. 贵州大学计算机科学与技术学院, 贵州 贵阳 550025

关键词：安卓,恶意软件检测,静态分析,图神经网络,特征嵌入,有向图

基金：国家自然科学基金地区科学基金项目(62262004)

安卓(Android)是目前移动智能终端使用最广泛的操作系统, 但层出不穷的Android恶意软件给用户带来重大威胁。一些方法对静态分析提取的特征进行处理, 以实现Android恶意软件检测, 这些方法能够反映软件的一部分属性, 但无法捕捉软件潜在恶意行为意图的特征, 使得在面对具备逃避能力的Android恶意软件时难以取得良好的检测性能。为解决该问题, 提出一种基于静态特征组合的图神经网络Android恶意软件检测方法。从反编译文件中提取函数调用图, 采用node2vec构建每个节点的局部结构特征, 同时分析每个节点函数, 提取操作码并进行分类, 使用Katz算法计算节点重要程度, 并根据TF-IDF算法计算图中每个应用程序接口(API)节点对于该Android恶意软件以及所属恶意家族的重要系数, 将这些特征相结合作为节点特征, 对重要节点进行特征自环, 以增强节点间的特征差异。在此基础上, 设计基于有向图神经网络(DGCN)与图注意力网络(GAT)的分类器DAg_MAL, 该分类器采用gPool层, 能有效捕获软件行为的关键调用关系, 并筛除不重要的节点。实验结果表明, 该方法在二分类与多分类任务中都取得了良好的性能表现, 总体检测性能优于其他同类方法。

来源：2026年第3期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第3期