实验室毕业博士吴月明（导师邹德清教授）的论文“Contrastive Learning for Robust Android Malware Familial Classification”被 IEEE Transactions on Dependable and Secure Computing 录用，吴月明博士目前在新加坡南洋理工大学从事博士后研究工作。

自安卓发布以来，由于其开源、硬件丰富和应用市场多样等优势，使得安卓系统成为全球最流行的手机操作系统，同时也成为攻击者攻击的主要目标。为了隐藏其恶意活动，攻击者一般会采用代码混淆技术来混淆安卓应用，使得静态分析提取的特征中会包含许多无用和伪装的特征，从而躲避检测。为了解决这个问题，作者首次将对比学习引入安卓恶意软件家族分类领域，对比学习可用于减少混淆引入的差异，同时放大恶意软件与其他类型恶意软件之间的差异。基于此发现，设计了一个原型系统——IFDroid——以实现抗混淆和可解释的安卓恶意软件家族分类。为了实现抗混淆，采用对比学习来训练模型，以学习可以自动从恶意软件样本中提取鲁棒特征的编码器。为了实现可解释，通过中心性分析将样本的函数调用图转换为图像，然后采用可视化技术获得相应的热力图，这些热力图可以帮助用户理解为什么恶意软件被归类为这个家族。通过实验分析，发现IFDroid在检测69412个混淆样本时可以获得98.4%的精确度，优于最先进的安卓恶意软件家族分类系统。

IEEE Transactions on Dependable and Secure Computing期刊每年出版6期，主要关注计算机及网络安全、可信计算等领域的前沿研究，2021年影响因子是7.329，属于中国计算机学会CCF A类期刊。

（通讯员：吴月明）