近日，我院2024级研究生吉辛格与导师刘珍副教授合作撰写的论文《A Multimodal Fusion Method for Android Malware Detection Based on Modal Independence Preservation》被国际知名期刊Information Fusion录用并发表。
Information Fusion是Elsevier旗下信息融合领域国际权威期刊，聚焦多传感器、多源、多过程信息融合的理论、算法与应用研究。最新影响因子为15.5，CiteScore为24.1，位列JCR Q1区、中科院SCI期刊分区一区Top期刊，在信息融合、人工智能、智能感知与网络安全等方向具有广泛国际影响力。
论文概述：随着移动互联网和安卓应用生态的快速发展，安卓恶意软件对用户隐私和财产安全构成了日益严峻的威胁。现有安卓恶意软件检测方法逐渐从单模态特征检测发展到多模态融合检测，但传统多模态融合方法往往更关注模态间关联信息的学习，容易造成模态同质化，导致各模态独有的判别信息丢失，从而影响模型性能和鲁棒性。为解决上述问题，本研究提出了一种基于模态独立性保持的安卓恶意软件检测方法 MIPDroid。该方法融合权限、API调用和Dex字节码三类模态特征，在学习模态互补信息的同时保留各模态的独立判别能力。具体而言，MIPDroid在多模态融合阶段，通过独立编码器、多头注意力机制、基于真实类别概率的动态加权策略以及模态间余弦相似度约束，缓解模态同质化问题并提升检测鲁棒性。实验结果表明，该方法在2016年至2022年的15000个真实样本数据集上取得了97%的准确率和92.28%的F1分数，相较近期多模态融合检测方法取得了平均4.13%的F1提升，并在对抗攻击场景下表现出更低的逃逸率和更强的鲁棒性。
该论文的发表体现了我院在AI+移动安全、恶意软件检测和多模态智能分析等交叉研究方向上的持续探索与研究积累。
初稿：吉辛格
复审：刘珍
终审：王连喜
