计算机科学与探索

作者：刘珍, 王若愚, 张菁菁

单位：1. 广东外语外贸大学 网络空间安全学院，广州 5100062. 数据安全治理与隐私计算广东省工程研究中心，广州 5100063. 华南理工大学 信息网络工程研究中心，广州 5100414. 广东省多模态大数据智能分析重点实验室，广州 510041

关键词：安卓恶意软件分类,多视图特征融合,移动安全

基金：广东省哲学社会科学规划项目（GD25YTS06）；国家自然科学基金（62302106）；广州市科技局基础与应用基础研究项目（2025A04J3441）；广东外语外贸大学科人才引进科研启动经费（2022RC049）。

安卓恶意软件对用户隐私和安全构成了严重威胁，细粒度识别恶意软件类型是构建精准防御机制的关键。在基于机器学习的恶意软件检测领域，由于单视图特征的表达能力有限，多视图特征融合方法已成为当前研究热点。但是已有工作仍然存在以下不足：一是缺乏对视图特征间互补信息的有效学习，导致融合性能受限；二是视图特征选择的主观性较强，缺乏系统性分析，难以确保融合效果最优。为解决这些问题，提出一种基于交叉注意力融合的安卓恶意软件分类方法CVFDroid。其中，引入多头交叉注意力机制以学习不同视图特征间的互补信息，用于增强融合特征的表达能力；并设计多分支损失函数，优化分类子模块，提升模型在特征缺失场景下的鲁棒性。此外，系统性分析了不同特征组合的多视图特征融合性能。在真实实验数据集上的性能评估结果表明，请求权限与API视图特征组合在实现多视图特征融合上的性能表现最佳；所提方法将困难恶意软件类别的F分数提升了0.27；即使在10%的样本存在特征缺失情况下，模型仍保持96.8%的高分类准确率。

来源：2026年第2期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2026年第2期