配套实验资源

1. 评价指标

模型在测试集上的 Precision（精确率），recall（召回率）和 F1-score。本次实验中，正类代表恶意软件，负类代表正常软件。

Precision（精确率）：Precision 衡量的是模型预测为正类别的样本中，有多少是真正的正类别样本。计算公式如下：

其中，TP 表示真正例（True Positive），即模型将正类别样本预测为正类别的数量；FP 表示假正例（False Positive），即模型将负类别样本预测为正类别的数量。

Recall（召回率）：Recall 衡量的是真正的正类别样本中，有多少被模型正确预测为正类别。计算公式如下：

其中，FN 表示假负例（False Negative），即模型将正类别样本预测为负类别的数量。

F1-Score：F1-Score 是 Precision 和 Recall 的调和平均值，综合了两者的性能指标。计算公式如下：

F1-Score 能够同时考虑 Precision 和 Recall，适用于评估模型在不同类别的样本上的性能。

2. 数据介绍和使用要求

共包含3个数据集，分别存放在 train，validation，test 文件夹下。注意，你选择的模型只能在 train 和 validation 数据集上进行训练和验证，test 仅用作模型的最终评估。

数据格式：

• csv 文件存储，每个数据集中都包含 malware.csv 和 benign.csv 两个文件，分别代表恶意软件数据和正常样本数据。需要从这两个文件中读取数据，以获取提取好的软件样本特征。
• 每个样本包含样本名称、标签（恶意样本标签为1，正常样本标签为0）以及 474 个特征数据

特征描述：

类别	特征	数量	字段示例	描述
动态 - 系统调用	系统调用	288	execve, getuid32, SYS_300	应用程序在运行时发出的系统调用集中的每个系统调用的绝对频率
动态 - 系统调用	系统调用总数	1	nr_syscalls	应用程序在运行时发出的系统调用总数
静态 - 权限相关	标准权限	166	ACCEPT_HANDOVER, WRITE_VOICEMAIL	二进制特性，表明应用程序是否请求了标准 Android 权限
静态 - 权限相关	标准权限类型	3	normal, dangerous, signature	请求的正常、危险和签名权限的总数
静态 - 权限相关	标准权限总数	1	nr_permissions	应用程序请求的标准权限总数
静态 - 权限相关	自定义权限	1	custom_yes	二进制特性，表明应用程序是否声明了任何自定义权限
静态 - 权限相关	自定义权限总数	1	nr_custom	应用程序定义的自定义权限总数
静态 - 文件统计特征	文件大小	2	CFileSize, UFileSize	压缩(apk)文件大小和未压缩的文件大小
静态 - 文件统计特征	文件数量	1	FilesInsideAPK	apk 内的文件数量
静态 - Activities & Services 统计特征	活动和服务总数	2	Activities, NrServices	应用程序定义的活动总数和服务总数