Ce code appartient à « BIDO: A Unified Approach to Address Obfuscation and Concept Drift Challenges in Image-based Malware Detection ».
Auteur : Junhui Li1, Chengbin Feng2, Zhiwei Yang1, Qi Mo1 and 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.
En raison de la taille importante des ensembles de données, nous fournissons un accès public via un stockage cloud et des instructions d'utilisation détaillées dans ce dépôt.
Les ensembles de données complets Data-Ideal et Data-Obfu sont hébergés sur OneDrive : https://1drv.ms/f/c/90ae1e5185e3d1c1/IgDhovkur4wcSbDRiadcg66nAVDRM9BNRXRN5ftU2kKnIcY?e=skQjJD
Ce dépôt fournit des instructions détaillées sur la structure des ensembles de données, le prétraitement et l'utilisation dans les sections ci-dessous.
Ce projet utilise deux ensembles de données de logiciels malveillants Android conçus pour évaluer à la fois les conditions d'apprentissage idéales et la robustesse face à l'obfuscation.
L'ensemble de données contient un total de 24 830 applications Android, dont 12 375 échantillons malveillants et 12 455 échantillons bénins.
Les étiquettes sont attribuées en fonction des résultats d'analyse de VirusTotal. Une application est étiquetée comme bénigne si elle ne reçoit aucune détection, et comme malveillante si elle est signalée par plus de quatre moteurs antivirus.
Les fichiers APK sont collectés à partir de plusieurs sources largement utilisées et faisant autorité, notamment Google Play, AndroZoo et l'ensemble de données de référence CICMalDroid2020.
Cet ensemble de données est dérivé de l'ensemble de données Data-Ideal en appliquant séquentiellement six techniques d'obfuscation à chaque application à l'aide de l'outil Obfuscapk.
Les techniques appliquées incluent le renommage des classes et des méthodes, le chiffrement des chaînes de ressources, l'obfuscation du flux de contrôle, le nouvel alignement, la nouvelle signature et l'insertion de code indésirable.
Après avoir supprimé les applications qui ont rencontré des erreurs au cours du processus d'obfuscation, l'ensemble de données final se compose de 12 088 échantillons malveillants et 11 044 échantillons bénins.
