基于CFG与FCG的GNN安卓恶意软件检测

张 一奇
西南民族大学

摘要


本文提出并实现了一种基于控制流图（CFG）和函数调用图（FCG）融合，结合图神经网络（GNN）的可
解释安卓恶意软件检测系统。系统先对Android应用（APK）进行静态反编译，得到基本块级CFG和函数级FCG；
其次，用图注意力网络（GAT）联合捕获局部代码逻辑和全局应用行为特征；最后，用基于互信息最大化的子图解
释器（GraphExplainer）定位出造成恶意判定的关键代码片段。实验结果表明，该系统在包含25000个样本的数据集
上取得了98.42%的F1分数，比现有的主流基线模型好，可以自动生成具有高解释性的恶意行为路径图。

关键词


安卓恶意软件；图神经网络；控制流图（CFG）；函数调用图（FCG）

全文:

PDF


参考


[1]崔馨文.基于人工智能的安卓恶意软件检测模型

分析[J].软件，2026，47（3）：19-21.

[2]孟梓源，刘亚姝.基于API语义关联的安卓恶意应用

检测方法[J].计算机工程与设计，2026，47（3）：734-742.

[3]李红霞.基于深度学习网络的恶意软件检测[J].国

外电子测量技术，2026，45（2）：116-120+165.

[4]王练，青山科.基于API语义聚类的安卓恶意软件

检测方法研究[J].网络与信息安全学报，2025，11（6）：

165-177.

[5]张子豪，韩强，石智超.基于预训练模型特征提

取与模型优化的安卓恶意软件检测[J/OL].计算机应用与

软件，1-9[2026-06-05].


Refbacks

  • 当前没有refback。