目前用于恶意软件检测的现有机器学习技术的准确性有限，误报率较高。因此为进一步提高Android恶意软件检测效率及准确性，本文提出在学习阶段实现特征交互的分类器-因式分解机。且可以通过使用更复杂的交叉项特征方案来进一步提高因式分解机的性能。实验结果表明，当层数为三层、K=40 时，因式分解机模型的恶意软件检测效果最好，准确率达到 98。28%，且精度及 F1 分数分别高达 98。90%及 98。27%。三种攻击类型的检测率均大于 97%，其中 PGD 攻击准确率最高(99。1%)，较ResNet20 及BIM攻击提高0。61%、1。51%。研究结果可为Android恶意软件检测提供参考依据。
万方数据
维普
