研究人员开发了一种检测安卓恶意软件的新方法，该方法解决了机器学习模型中的时间偏差问题。通过构建时间戳数据集并实施时间戳验证程序，他们的框架确保模型根据实际应用发布时间进行评估。该系统利用 BYOL 进行自监督预训练以学习鲁棒的表示，在时间感知评估下实现了 98% 的准确率和 89% 的 F1 分数。数据集和源代码已发布，以促进进一步研究。 AI
影响 通过解决时间偏差来提高基于 AI 的恶意软件检测系统的鲁棒性。
排序理由 介绍安卓恶意软件检测新方法和数据集的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2604.23025v1 Announce Type: cross Abstract: Android malware detectors built with machine learning often suffer from temporal bias: models are trained and evaluated without respecting apps' actual release times, inflating accuracy and weakening real-world robustness. We addr…