蒋 晨,胡玉鹏,司 凯,旷文鑫

(湖南大学 信息科学与工程学院,长沙 410000)(*通信作者电子邮箱yphu@hnu.edu.cn)

0 引言

大数据环境下,如何从各种海量的已知数据中提取有价值的信息来对未知事件作出预测或者防止未知恶意事件发生的这个问题引起了各个领域的研究者们的关注和研究。在这样的大环境下,再加上如今互联网的飞速发展,Android系统由于其高开源性和基于Android系统开发的软件没有一个统一的发布和管理平台,所以导致了很多程序开发者受黑色经济的诱惑开发出了大量的安卓恶意软件。这不仅制造了整个Android市场的混乱,还对每个移动用户的隐私以及财产安全造成了更加严重的威胁。

赛门铁克于2016年只记录了4个新恶意家族,较2015年大幅下降,可以看出移动威胁领域的创新放缓了。而且，每个家族中的恶意移动应用变体数量增长了1/4以上,可以看出大多恶意软件是来自同一恶意家族,只是通过代码混淆和变形成为新的恶意软件。总的来说,可以推断出攻击者选择改进和修改现有的恶意软件系列和类型,而不是开发新的和独特的威胁类型,可以说在某种程度上可执行文件代码是具有相似性的,因此通过对恶意文件图像化处理可以更加直观地展现经过代码变种和混淆后恶意文件之间的相似点。除此之外,还有“.pdf”“.doc”“.exe”等类型的恶意软件,恶意软件类型的多样化对检测手段提出了很大的挑战。因此,需要使用更通用的方式来分析和检测安卓恶意软件的威胁和攻击,以及解决跨平台恶意文件检测问题。……