AvijitBaidya22580/android-malware-detector
GitHub: AvijitBaidya22580/android-malware-detector
一个混合安卓恶意软件检测系统，结合静态分析、动态分析和机器学习对APK进行恶意或良性分类，并配备SHAP可解释性分析。
Stars: 0 | Forks: 0
# 📱 混合安卓恶意软件检测系统
🚀 一个混合恶意软件检测框架，结合**静态分析、动态分析和机器学习**对安卓应用程序进行**恶意或良性**分类，并配备**可解释人工智能(SHAP)**以提高可解释性。
## 📌 概述
本项目使用逆向工程和行为监控对安卓 APK 文件进行分析。它提取有意义的特征，并应用机器学习模型以高精度检测恶意软件，同时解释预测背后的推理。
## 🧠 关键功能
* 🔍 使用 Apktool 和 JADX 进行逆向工程
* 🧾 静态分析（API 调用、URL、权限）
* ⚡ 动态分析（运行时行为监控）
* 🔗 特征融合（静态 + 动态）
* 🤖 机器学习（XGBoost）
* 📊 使用 SHAP 进行可解释性分析
* 🖥️ Streamlit 网页界面，便于交互
## 🏗️ 系统架构
## ⚙️ 工作流程
1. **输入 APK**
2. **逆向工程**
* 反编译 APK（Apktool / JADX）
* 提取清单文件和资源
3. **静态分析**
* 提取：
* API 调用
* URL
* 命令
* 权限
4. **动态分析**
* 在模拟器/沙箱中运行 APK
* 监控：
* 网络活动
* 运行时行为
* 系统调用
5. **特征融合**
* 合并静态和动态特征
6. **机器学习模型**
* XGBoost 分类器预测：
* 恶意软件 / 良性
* 置信度分数
7. **可解释性**
* SHAP 解释：
* 预测的原因
* 重要特征
## 📊 示例特征
```
{
"num_urls": 152,
"has_exec": 1,
"has_crypto_api": 1,
"has_network_api": 1
}
```
## 📈 输出
* ✅ 恶意软件 / 良性分类
* 📊 置信度分数
* 🔍 关键洞察（SHAP 解释）
## 🧪 使用的技术
* Python
* XGBoost
* SHAP（可解释人工智能）
* Apktool
* JADX
* 安卓模拟器 / ADB
* Streamlit
## 📂 项目结构
```
android-malware-detector/
│
├── app/ # Streamlit app
├── config/ # Config files
├── data/ # Dataset (ignored)
├── models/ # Trained models (ignored)
├── notebooks/ # EDA & experiments
├── scripts/ # Pipeline scripts
├── src/ # Core logic
├── tests/ # Unit tests
├── requirements.txt
└── README.md
```
## 🚀 如何运行
### 1️⃣ 克隆仓库
```
git clone https://github.com/YOUR_USERNAME/android-malware-detector.git
cd android-malware-detector
```
### 2️⃣ 创建环境
```
python -m venv .venv
.venv\Scripts\activate
```
### 3️⃣ 安装依赖
```
pip install -r requirements.txt
```
### 4️⃣ 运行管道
```
python scripts/run_pipeline.py
```
### 5️⃣ 运行网页应用
```
streamlit run app/streamlit_app.py
```
## 📊 结果
* 准确率：约 90%
* 平衡数据集（恶意软件 vs 良性）
* 各类别精确率和召回率良好
## 🔍 可解释性（SHAP）
SHAP 用于解释预测：
* 识别可疑 API 调用
* 突出显示危险权限
* 解释网络相关行为
## 💡 主要贡献
* 混合检测（静态 + 动态）
* 基于逆向工程的特征提取
* 机器学习分类
* 可解释人工智能集成（SHAP）
## 🎯 应用场景
* 恶意软件检测系统
* 移动安全分析
* 网络安全研究
* 应用审查流程
## 🧾 结论
本项目展示了一个强大的安卓恶意软件混合检测框架。通过结合多种分析技术并集成可解释人工智能，它确保了**高精度**和**可解释性**，使其适用于实际网络安全应用。
## 👨💻 作者
## 📜 许可证
MIT 许可证
标签：Android安全, Android逆向工程, Apex, Apktool, APK分析, APT检测, DAST, JADX, Kubernetes, Python, SHAP, Streamlit, URL提取, XGBoost, 云安全监控, 反编译, 可解释AI, 恶意软件分析, 无后门, 机器学习, 特征提取, 特征融合, 目录枚举, 移动安全, 移动端安全, 网络安全, 行为监控, 访问控制, 逆向工具, 隐私保护, 静态分析