计算机工程

作者：张志, 尹昱凯, 孙奕灵, 孟雯锦, 彭畅

单位：中南财经政法大学信息工程学院, 湖北 武汉 430073

关键词：Android恶意软件,预训练模型,局部敏感哈希,特征融合,深度学习

基金：中央高校基本科研业务费专项资金(2722024BY022); 中南财经政法大学研究生拔尖人才培养项目(YJ20230043); 中南财经政法大学中央高校基本科研业务费专项资金(202451402)

针对Android恶意软件种类和结构繁杂不一、单一静态特征难以区分良性和恶意软件的问题, 在深入研究Android软件的权限、API、字节码、操作码等特征的基础上, 提出一种基于多模态特征融合的构建方法。将字节码转换为RGB图像, 通过预训练模型EfficientNetV2B3提取字节码图像特征, 以表征Android应用的整体特性。利用局部敏感哈希(LSH)算法提取操作码序列特征, 以表征Android应用的细节特性。采用多模态分解双线性池化(MFB)融合算法对字节码图像特征和操作码序列特征进行融合, 实现2种特征数据的异质互补, 以得到更具区分度的静态特征。在此基础上, 提出一种基于Transformer的Android恶意软件检测模型(TEAAD)。实验结果表明, 基于融合特征的TEAAD模型优于其他深度模型, 检测准确率达到96.87%, MFB特征融合方法相较于其他方法具有更高的恶意软件识别能力。

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