人工智能学院青年科研六组例会会议纪要

会议时间：

2026.4.9

会议地点：

15-302

参会人员

杨喆、别岳超、周文娟、蒲万徐、许子龙、张芸、范兴国，赵冬鹤，王文静

会议主题

小组研究进度分享会

会议通知

会议内容

会议议程：

许子龙老师介绍Android恶意软件检测的基本概念、原理及其在科研中的应用价值。

科研团队成员围绕Android恶意软件检测的特点、优势及当前研究进展进行讨论交流。

探讨Android恶意软件检测在各自研究方向中的潜在应用及未来研究计划。

讨论科研会的组织形式和主要内容，以及如何进一步促进团队间的合作与交流。

内容概要：

本次研讨会由许子龙老师首先进行主题分享，系统介绍了Android恶意软件检测的基本理论与研究背景。许老师从Android平台的体系结构和应用运行机制入手，重点讲解了恶意软件的主要表现形式、传播方式以及对用户隐私和系统安全可能造成的威胁。他进一步介绍了Android恶意软件检测的常见方法，包括基于静态分析的检测方法、基于动态分析的检测方法以及结合机器学习和深度学习的智能检测方法。在讲解过程中，许老师还分析了不同检测方法的优缺点，并指出当前研究中面临的主要挑战，例如恶意软件变种层出不穷、代码混淆与加壳技术不断升级，以及检测模型的泛化能力和实时性仍有待提升等问题。

在交流讨论环节，科研团队成员结合近期文献阅读和研究实践，围绕Android恶意软件检测的研究现状和发展趋势展开了深入探讨。大家一致认为，随着移动互联网和智能终端的快速发展，Android平台已成为恶意软件攻击的重要目标，因此开展高效、精准的恶意软件检测研究具有重要的理论意义和现实价值。团队成员普遍认为，机器学习和深度学习方法在特征提取、模式识别和自动分类等方面展现出明显优势，能够有效提升恶意软件检测的准确率和效率。同时，大家也指出，当前相关研究仍面临数据集更新滞后、样本类别不平衡、模型可解释性不足以及对抗样本攻击等问题，需要在模型设计、特征融合和检测机制优化等方面持续深入探索。

随后，团队成员结合各自研究方向，探讨了Android恶意软件检测技术在具体科研工作中的应用可能。在网络安全领域，相关研究可用于提升移动终端安全防护能力和入侵预警水平；在软件工程领域，可将恶意软件检测技术应用于应用市场审核、应用行为分析和安全评估等任务；在人工智能方向，研究者可以通过引入图神经网络、迁移学习和联邦学习等方法，进一步提高检测模型的鲁棒性和适应能力。此外，成员们还围绕如何构建高质量恶意软件数据集、如何加强多源特征融合、如何解决模型部署过程中的资源消耗问题等现实议题进行了深入讨论，并提出了若干具有参考价值的建议。

会议最后，团队成员围绕新学期科研研讨会的组织形式与内容设置提出了意见和建议。大家认为，今后可进一步结合网络安全与人工智能交叉领域的前沿热点，增加专题汇报、论文精读、案例分析和实验经验分享等内容，并积极邀请相关领域专家学者开展学术交流。通过不断优化科研会的形式与内容，进一步加强团队内部以及跨学科之间的合作与互动，拓宽研究视野，提升科研创新能力，为后续在Android恶意软件检测方向开展更加深入和系统的研究奠定良好基础。

图为会议照片

会议记录：王文静