यह कोड "BIDO: A Unified Approach to Address Obfuscation and Concept Drift Challenges in Image-based Malware Detection" से संबंधित है।
लेखक: Junhui Li1, Chengbin Feng2, Zhiwei Yang1, Qi Mo1 और Wei Wang1.
संस्थान1：सॉफ्टवेयर स्कूल, युनान विश्वविद्यालय, कुनमिंग, युनान 650091 चीन। संस्थान2：स्कूल ऑफ इंफॉर्मेशन सिस्टम्स, यूनिवर्सिटी ऑफ न्यू साउथ वेल्स, सिडनी, NSW 2052 ऑस्ट्रेलिया।
डेटासेट के बड़े आकार के कारण, हम इस रिपॉजिटरी में क्लाउड स्टोरेज के माध्यम से सार्वजनिक पहुंच और विस्तृत उपयोग निर्देश प्रदान करते हैं।
संपूर्ण Data-Ideal और Data-Obfu डेटासेट OneDrive पर होस्ट किए गए हैं:https://1drv.ms/f/c/90ae1e5185e3d1c1/IgDhovkur4wcSbDRiadcg66nAVDRM9BNRXRN5ftU2kKnIcY?e=skQjJD
यह रिपॉजिटरी नीचे दिए गए अनुभागों में डेटासेट संरचना, प्रीप्रोसेसिंग और उपयोग के बारे में विस्तृत निर्देश प्रदान करती है।
इस परियोजना में दो Android मैलवेयर डेटासेट का उपयोग किया गया है, जिन्हें आदर्श सीखने की स्थितियों और ओबफस्केशन के तहत मजबूती दोनों का मूल्यांकन करने के लिए डिज़ाइन किया गया है।
डेटासेट में कुल 24,830 Android एप्लिकेशन हैं, जिनमें 12,375 दुर्भावनापूर्ण नमूने और 12,455 हानिरहित नमूने शामिल हैं।
लेबल VirusTotal स्कैन परिणामों के आधार पर निर्दिष्ट किए जाते हैं। एक एप्लिकेशन को हानिरहित लेबल किया जाता है यदि उसे शून्य डिटेक्शन मिलते हैं, और दुर्भावनापूर्ण लेबल किया जाता है यदि उसे चार से अधिक एंटीवायरस इंजनों द्वारा फ्लैग किया जाता है।
APK फ़ाइलें कई व्यापक रूप से उपयोग किए जाने वाले और आधिकारिक स्रोतों से एकत्र की जाती हैं, जिनमें Google Play, AndroZoo और CICMalDroid2020 बेंचमार्क डेटासेट शामिल हैं।
यह डेटासेट Data-Ideal डेटासेट से प्राप्त किया गया है, जिसमें Obfuscapk टूल का उपयोग करके प्रत्येक एप्लिकेशन पर क्रमिक रूप से छह ओबफस्केशन तकनीकें लागू की जाती हैं।
लागू की गई तकनीकों में क्लास और मेथड रीनामिंग, रिसोर्स स्ट्रिंग एन्क्रिप्शन, कंट्रोल फ्लो ओबफस्केशन, न्यू अलाइनमेंट, न्यू सिग्नेचर और जंक कोड इंसर्शन शामिल हैं।
ओबफस्केशन प्रक्रिया के दौरान त्रुटियों का सामना करने वाले एप्लिकेशनों को हटाने के बाद, अंतिम डेटासेट में 12,088 दुर्भावनापूर्ण नमूने और 11,044 हानिरहित नमूने शामिल हैं।
