whatishope/bidoBildbasiertes Framework zur Erkennung von Android-Malware, das Obfuscation und Concept Drift adressiert. Enthält kuratierte Datensätze und Python-Code zum Training von Machine-Learning-Modellen.
Dieser Code gehört zu „BIDO: A Unified Approach to Address Obfuscation and Concept Drift Challenges in Image-based Malware Detection".
Autor: Junhui Li1, Chengbin Feng2, Zhiwei Yang1, Qi Mo1 und Wei Wang1.
Institution1：Software School, Yunnan University, Kunming, Yunnan 650091 China. Institution2：School of Information Systems, University of New South Wales, Sydney, NSW 2052 Australia.
Aufgrund der großen Datenmenge stellen wir den öffentlichen Zugriff über Cloud-Speicher sowie detaillierte Verwendungsanweisungen in diesem Repository bereit.
Die vollständigen Datensätze Data-Ideal und Data-Obfu sind auf OneDrive:https://1drv.ms/f/c/90ae1e5185e3d1c1/IgDhovkur4wcSbDRiadcg66nAVDRM9BNRXRN5ftU2kKnIcY?e=skQjJD gehostet.
Dieses Repository enthält in den folgenden Abschnitten detaillierte Anweisungen zur Struktur, Vorverarbeitung und Verwendung der Datensätze.
Dieses Projekt verwendet zwei Android-Malware-Datensätze, die dazu dienen, sowohl ideale Lernbedingungen als auch die Robustheit gegenüber Verschleierung zu bewerten.
Der Datensatz enthält insgesamt 24.830 Android-Anwendungen, darunter 12.375 schädliche und 12.455 gutartige Proben.
Die Kennzeichnung erfolgt auf Grundlage der Scan-Ergebnisse von VirusTotal. Anwendungen ohne jegliche Erkennung werden als gutartig gekennzeichnet; Anwendungen, die von mehr als vier Antiviren-Engines gemeldet werden, gelten als schädlich.
APK-Dateien werden aus mehreren weit verbreiteten und seriösen Quellen gesammelt, darunter Google Play, AndroZoo und der Benchmark-Datensatz CICMalDroid2020.
Dieser Datensatz wird aus dem Data-Ideal-Datensatz abgeleitet, indem mithilfe des Tools Obfuscapk nacheinander sechs Verschleierungstechniken auf jede Anwendung angewendet werden.
Zu den angewendeten Techniken gehören Class and Method Renaming, Resource String Encryption, Control Flow Obfuscation, New Alignment, New Signature und Junk Code Insertion.
Nach dem Entfernen von Anwendungen, bei denen während des Verschleierungsprozesses Fehler aufgetreten sind, besteht der finale Datensatz aus 12.088 schädlichen und 11.044 gutartigen Proben.
