このコードは「BIDO: A Unified Approach to Address Obfuscation and Concept Drift Challenges in Image-based Malware Detection」に属するものです。
著者: Junhui Li1、Chengbin Feng2、Zhiwei Yang1、Qi Mo1、Wei Wang1。
所属機関1：Software School, Yunnan University（雲南大学ソフトウェア学院）、中国雲南省昆明市 650091。 所属機関2：School of Information Systems, University of New South Wales（ニューサウスウェールズ大学情報システム学部）、オーストラリア・ニューサウスウェールズ州シドニー 2052。
データセットが大容量のため、このリポジトリではクラウドストレージ経由の公開アクセスと詳細な使用手順を提供しています。
完全な Data-Ideal データセットと Data-Obfu データセットは OneDrive でホストされています:https://1drv.ms/f/c/90ae1e5185e3d1c1/IgDhovkur4wcSbDRiadcg66nAVDRM9BNRXRN5ftU2kKnIcY?e=skQjJD
このリポジトリでは、以下のセクションでデータセットの構造、前処理、使用方法についての詳細な手順を提供しています。
このプロジェクトでは、理想的な学習条件下での性能と難読化に対する堅牢性の両方を評価するために設計された2つのAndroidマルウェアデータセットを使用します。
このデータセットには、12,375件の悪性サンプルと12,455件の良性サンプルを含む、合計24,830件のAndroidアプリケーションが含まれています。
ラベルはVirusTotalのスキャン結果に基づいて割り当てられます。検出数がゼロのアプリケーションは良性、4つ以上のアンチウイルスエンジンで検出されたアプリケーションは悪性としてラベル付けされます。
APKファイルは、Google Play、AndroZoo、CICMalDroid2020ベンチマークデータセットなど、広く使用されている信頼性の高い複数のソースから収集されています。
このデータセットは、Obfuscapkツールを使用して各アプリケーションに6種類の難読化手法を順番に適用することにより、Data-Idealデータセットから派生しています。
適用される手法には、クラスとメソッドの名前変更、リソース文字列の暗号化、制御フローの難読化、New Alignment、New Signature、ジャンクコードの挿入が含まれます。
難読化プロセス中にエラーが発生したアプリケーションを除外した後、最終データセットは12,088件の悪性サンプルと11,044件の良性サンプルで構成されます。
