PerMalDroid

域偏移严重影响Android恶意软件检测模型

研究人员在用于Android恶意软件检测的机器学习模型中发现了显著的域偏移问题。虽然在一个数据集（PerMalDroid）上训练的模型在另一个数据集（NATICUSdroid）上表现良好，但反之则准确率大幅下降。可解释AI分析显示，特征重要性不稳定，模型依赖于特定数据集的权限，这表明预测特征集存在根本性不匹配。结合通用特征的混合训练策略成功提高了跨域性能，凸显了对鲁棒恶意软件检测系统的需求。