ADBuilder: uma Ferramenta de Construção de Datasets para Detecção de Malwares Android

Abstract

A maioria dos datasets existentes possuem um número limitado ou defasado de amostras, o que compromete o treinamento de modelos para detecção de malwares Android. Na literatura existem alguns trabalhos que propõem a construção de datasets, porém, nenhum deles suficientemente definido e integrado a ponto de entregar de forma automatizada e sistematizada um dataset ao usuário. Neste trabalho, propomos a ferramenta ADBuilder, que permite a construção integrada, automatizada e sistematizada de datasets atualizados para o domínio de detecção de malwares Android. A ADBuilder é constituída de quatro módulos independentes, sendo cada módulo composto por um conjunto de ferramentas ou serviços necessários para a construção de datasets atualizados.

DroidAugmentor: uma ferramenta de treinamento e avaliação de cGANs para geração de dados sintéticos

“…Estatísticas recentes apontam que cerca de 80% dos projetos de Inteligência Artificial (IA) enfrentam falhas devido à falta de dados quantitativos para treinamento e construção de modelos realistas e eficazes [AI & Data Today, 2023]. O cenário é similar no contexto da detecção de malwares Android, pois faltam conjuntos de dados suficientemente representativos e de qualidade [Vilanova et al, 2022].…”

“…Este é possivelmente um dos principais fatores que leva a maioria das pesquisas a utilizar datasets pequenos, pouco representativos e defasados para treinar e validar modelos preditivos para detecção de malwares Android. Por exemplo, a API do VirusTotal 1 , o serviço de rotulação mais completo e frequentemente utilizado [Vilanova et al, 2022], na versão gratuita, permite aproximadamente 250 rotulações atualizadas por dia, ou seja, seriam necessários em torno de 400 dias para rotular adequadamente 100.000 amostras. Este processo longo e demorado leva ao problema adicional da defasagem dos dados.…”

AMGenerator e AMExplorer: Geração de Metadados e Construção de Datasets Android

“…A rotulação correta de amostras malignas e benignas é uma etapa crucial para a implementação e avaliação de novos métodos de detecção de malwares Android [Wei et al, 2017, Salem et al, 2021, Vilanova et al, 2022. Frequentemente, a plataforma online VirusTotal 1 é utilizada para categorizar aplicativos Android com base nos resultados de mais de 60 scanners antivírus.…”

“…O primeiro desafio é obter dados atualizados. Infelizmente, a maioria dos trabalhos, incluindo ferramentas recentes como a ADBuilder [Vilanova et al, 2022], simplesmente utilizam os dados retornados pelo VirusTotal. O problema é que o VirusTotal armazena em cache os dados da última análise do aplicativo.…”

“…Recentemente, apresentamos a ADBuilder [Vilanova et al, 2022], uma das ferramentas mais atuais e completas de geração de datasets de amostras de aplicativos Android. A ADBuilder é composta por quatro módulos principais: download de APKs, extração de características, rotulação das amostras e geração do dataset.…”