اندروید، سیستم عاملی متنباز با سهم بازار گسترده، یکی از اهداف اصلی توسعهدهندگان بدافزار است. افزایش تنوع دستگاههای مبتنیبر اندروید و پیچیدگی روزافزون بدافزارها، شناسایی آنها را به چالشی جدی تبدیل کردهاست. در این پژوهش، روشی مبتنیبر یادگیری عمیق برای تشخیص بدافزارها ارائه شدهاست که از تحلیل ایستا بهره میبرد؛ این روش با تبدیل بایتکدهای خام برنامهها به سیگنالهای صوتی، استخراج اطلاعات مهم از این سیگنالها و آموزش یک مدل با کمک یادگیری انتقالی، به صحت 99.3درصد و دقت 99.8درصد رسید. با تکیهبر نگاشت بایتکدهای خام به حوزه صوت، علاوهبر ایجاد دیدگاه جعبهسیاهگونه، پیچیدگی محاسباتی کاهش و دقت شناسایی افزایش پیدا کرد. یکی از نوآوریهای این روش که آن را برای استفاده در کاربردهای صنعتی و بازارهای اندرویدی مناسب میسازد، قابلیت آن در تشخیص بدافزارهای مبهمشده و عملکرد موفق آن در این زمینه است؛ موضوعی که یکی از چالشهای اساسی در حوزه تشخیص بدافزارهای اندرویدی بهشمار میرود.
