Android Malware Datasets|Android恶意软件数据集|信息安全数据集

包含多个流行的Android恶意软件数据集，用于研究和分析Android平台上的恶意软件。

This dataset encompasses a collection of widely recognized Android malware datasets, designed for the investigation and analysis of malicious software on the Android platform.

原始信息汇总

数据集概述

1. Android Malware Genome Project

• 描述: 该项目收集了超过1,200个Android恶意软件样本，涵盖了2010年8月至2011年10月期间的大多数Android恶意软件家族。
• 出版物: Dissecting Android Malware: Characterization and Evolution. Yajin Zhou, Xuxian Jiang. Proceedings of the 33rd IEEE Symposium on Security and Privacy (Oakland 2012).
• 主页: http://www.malgenomeproject.org (已停止数据集共享)

2. M0Droid Dataset

• 描述: M0Droid是一个用于识别和分类Android恶意软件的工具，通过捕获应用程序的系统调用请求来生成行为签名。
• 出版物: M0droid: An android behavioral-based malware detection model. Damshenas M, Dehghantanha A, Choo K K R, et al. Journal of Information Privacy and Security, 2015, 11(3): 141-157.
• 主页: http://cyberscientist.org/m0droid-dataset/

3. The Drebin Dataset

• 描述: 该数据集包含5,560个来自179个不同恶意软件家族的应用程序，收集时间为2010年8月至2012年10月。
• 出版物: Drebin: Efficient and explainable detection of android malware in your pocket. Arp D, Spreitzenbarth M, Hubner M, et al. Proc. of 17th Network and Distributed System Security Symposium, NDSS. 14.
• 主页: http://user.informatik.uni-goettingen.de/~darp/drebin/

4. A Dataset based on ContagioDump

• 描述: 该数据集包含189个Android恶意软件样本，根据其主要行为进行分类，收集于2011年10月26日。
• 主页: http://cgi.cs.indiana.edu/~nhusted/dokuwiki/doku.php?id=datasets

5. AndroMalShare

• 描述: AndroMalShare是一个专注于分享Android恶意软件样本的项目，提供样本的统计信息和详细报告。
• 主页: http://sanddroid.xjtu.edu.cn:8080/#home

6. Kharon Malware Dataset

• 描述: Kharon数据集是一个完全逆向和文档化的恶意软件集合，用于评估研究实验。
• 出版物: Kharon dataset: Android malware under a microscope. CIDRE, EPI. Learning from Authoritative Security Experiment Results (2016): 1.
• 主页: http://kharon.gforge.inria.fr/dataset/

7. AMD Project

• 描述: AMD包含24,553个样本，分为135种类型，涵盖71个恶意软件家族，时间跨度为2010年至2016年。
• 出版物: Android malware clustering through malicious payload mining. Li Y, Jang J, Hu X, et al. International Symposium on Research in Attacks, Intrusions, and Defenses. Springer, Cham, 2017: 192-214.
• 主页: http://amd.arguslab.org

8. AAGM Dataset

• 描述: AAGM数据集通过在真实智能手机上安装Android应用程序半自动化生成，包含1900个应用程序。
• 出版物: Towards a Network-Based Framework for Android Malware Detection and Characterization. Arash Habibi Lashkari, Andi Fitriah A.Kadir, Hugo Gonzalez, Kenneth Fon Mbah and Ali A. Ghorbani. PST, 2017.
• 主页: http://www.unb.ca/cic/datasets/android-adware.html

9. Android PRAGuard Dataset

• 描述: 该数据集包含10479个样本，通过七种不同的混淆技术混淆MalGenome和Contagio Minidump数据集得到。
• 出版物: Stealth attacks: an extended insight into the obfuscation effects on Android malware. Davide Maiorca, Davide Ariu, Igino Corona, Marco Aresu and Giorgio Giacinto. Computers and Security, 2015.
• 主页: http://pralab.diee.unica.it/en/AndroidPRAGuardDataset

10. AndroZoo

• 描述: AndroZoo是一个包含5,781,781个不同APK的集合，每个APK都由多个反病毒产品分析以确定其是否为恶意软件。
• 出版物: AndroZoo: Collecting Millions of Android Apps for the Research Community. K. Allix, T. F. Bissyandé, J. Klein, and Y. Le Traon. Mining Software Repositories (MSR) 2016.
• 主页: https://androzoo.uni.lu/

AI搜集汇总

数据集介绍

构建方式

Android Malware Datasets 数据集的构建基于多个项目和研究成果，涵盖了从2010年至2016年间的多种Android恶意软件样本。这些数据集通过系统化的收集和分类，包括从公开的恶意软件项目如Android Malware Genome Project、M0Droid Dataset、Drebin Dataset等，以及通过内核级钩子捕获系统调用行为的方式，构建了详尽的恶意软件行为模式。此外，部分数据集如AndroZoo，还通过从Google Play等应用市场收集APK文件，并结合多款反病毒产品的检测结果，进一步丰富了数据集的多样性和覆盖面。

特点

该数据集的特点在于其广泛的时间跨度和多样化的恶意软件家族覆盖，从早期的恶意软件到近年来的新型威胁均有涉及。此外，数据集不仅包含恶意软件的静态特征，如代码结构和权限请求，还通过行为分析捕捉了恶意软件的动态行为，如系统调用和网络活动。部分数据集还采用了混淆技术，以模拟实际环境中的复杂性，增强了数据集在研究中的实用性和挑战性。

使用方法

Android Malware Datasets 数据集适用于多种研究场景，包括但不限于恶意软件检测、行为分析、权限滥用检测和混淆技术研究。研究者可以通过下载这些数据集，利用机器学习算法、深度学习模型或其他分析工具，对恶意软件样本进行分类、检测和行为预测。此外，数据集的开放性也鼓励了可重复性实验，使得研究结果更加透明和可验证。使用时，建议结合具体的研究问题，选择合适的子数据集进行分析和实验。

背景与挑战

背景概述

Android Malware Datasets 是由多个研究项目和机构共同构建的，旨在系统化地收集和分类Android平台上的恶意软件。该数据集的核心研究问题集中在Android恶意软件的特征化与演化分析，主要研究人员包括Yajin Zhou、Xuxian Jiang等，其研究成果在2012年的IEEE Symposium on Security and Privacy上发表。数据集的创建时间跨度从2010年至2016年，涵盖了多个恶意软件家族的样本，为Android安全领域的研究提供了丰富的资源。这些数据集不仅帮助研究人员理解恶意软件的行为模式，还推动了Android恶意软件检测技术的发展，对提升移动设备的安全性具有重要意义。

当前挑战

Android Malware Datasets 在构建和应用过程中面临多项挑战。首先，恶意软件的多样性和快速演化为数据集的更新和维护带来了巨大压力，研究人员需要持续收集和分析新的恶意样本以保持数据集的时效性。其次，恶意软件的隐蔽性和复杂性使得特征提取和分类变得困难，尤其是在面对高级持续性威胁（APT）时，传统的检测方法可能失效。此外，数据集的构建过程中还涉及到隐私和法律问题，如何在确保数据安全的前提下共享和使用这些敏感信息是一个亟待解决的难题。最后，如何有效利用这些数据集进行模型训练和验证，以提高恶意软件检测的准确性和鲁棒性，也是当前研究的重点和难点。

常用场景

经典使用场景

Android Malware Datasets 数据集在移动安全领域中具有广泛的应用，主要用于分析和检测Android平台上的恶意软件。通过该数据集，研究人员可以系统地研究不同恶意软件家族的行为模式，从而开发出更为精准的检测算法。例如，数据集中的样本涵盖了从2010年到2016年的多种恶意软件，为研究恶意软件的演变和变种提供了丰富的资源。

衍生相关工作

基于 Android Malware Datasets 数据集，衍生了许多经典的研究工作。例如，Drebin 项目利用该数据集开发了高效的Android恶意软件检测系统，而AndroZoo则通过大规模收集和分析APK文件，揭示了恶意软件的分布和演变趋势。此外，Kharon Malware Dataset 进一步细化了恶意软件的逆向工程和文档化工作，为恶意软件分析提供了更为详尽的资源。这些衍生工作不仅丰富了数据集的应用场景，还推动了移动安全领域的技术进步。

数据集最近研究

最新研究方向

在移动安全领域，Android恶意软件数据集的研究正朝着更精细化的分类和行为分析方向发展。随着Android平台恶意软件的多样性和复杂性不断增加，研究者们致力于通过深度学习和行为特征提取等先进技术，提升恶意软件检测的准确性和效率。此外，数据集的构建和共享也成为推动该领域研究的重要环节，如AndroZoo等大规模数据集的发布，为研究者提供了丰富的实验资源，促进了跨机构的合作与研究成果的复现。这些研究不仅有助于提升Android设备的安全防护水平，也为全球移动安全领域的技术进步提供了坚实的基础。