論文の概要: Context-Aware Functional Modeling for Android Third-Party Library Detection

• arxiv url: http://arxiv.org/abs/2609.31409v1
• Date: Fri, 25 Sep 2026 15:33:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.460663
• Title: Context-Aware Functional Modeling for Android Third-Party Library Detection
• Title（参考訳）: Androidサードパーティライブラリ検出のためのコンテキスト認識機能モデリング
• Abstract要約: LibFanは、文脈認識機能モデリングに基づく学習ベースのAndroid TPL検出アプローチである。 各TPLを機能的に一貫性のあるユニットに分割し、ベストマッチングパーティションを使用してライブラリの存在を決定する。
• 参考スコア（独自算出の注目度）: 25.38973331247107
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Third-party libraries (TPLs) are widely used in Android apps, but their reuse can introduce security risks and interfere with downstream program analyses. Existing Android TPL detection approaches face two key limitations: their hand-crafted features are fragile under aggressive code transformations, and their whole-library matching strategies are ineffective when apps retain only part of a TPL. In this paper, we propose LibFan, a learning-based Android TPL detection approach based on context-aware functional modeling. It realizes this modeling through two complementary components: context-aware contrastive learning at the method level and functional partitioning at the library level. At the method level, it learns semantic representations through contrastive training while incorporating outgoing call relationships and class-level context, improving robustness to obfuscation, shrinking, and optimization. At the library level, it partitions each TPL into functionally coherent units and determines library presence using the best-matching partition, thereby accommodating partial library reuse. To evaluate LibFan, we construct a new benchmark comprising 200 apps and 46 vulnerable TPLs, with each app compiled under four transformation configurations. Under the most challenging R8 full mode, LibFan achieves F1 scores of 81.3% at the library level and 47.6% at the version level, representing relative improvements of 64.9% and 35.6% over the state of the art, respectively.
• Abstract（参考訳）: サードパーティのライブラリ(TPL)はAndroidアプリで広く使用されているが、その再利用はセキュリティリスクを導入し、下流のプログラム分析に干渉する可能性がある。 既存のAndroid TPL検出アプローチは、2つの重要な制限に直面している。手作りの機能はアグレッシブなコード変換の下で脆弱であり、アプリがTPLの一部だけを保持する場合、ライブラリ全体のマッチング戦略は効果がない。 本稿では,文脈認識機能モデリングに基づく学習型Android TPL検出手法であるLibFanを提案する。 このモデリングは2つの補完的なコンポーネント、すなわち、メソッドレベルでのコントラスト学習と、ライブラリレベルでの機能的なパーティショニングによって実現されている。 メソッドレベルでは、コール関係とクラスレベルのコンテキストを導入し、難読化、縮小、最適化といった堅牢性を改善しながら、対照的なトレーニングを通じてセマンティック表現を学習する。 ライブラリレベルでは、各TPLを機能的に一貫性のあるユニットに分割し、ベストマッチングパーティションを使用してライブラリの存在を判定し、部分的なライブラリ再利用を調節する。 LibFanを評価するために、200のアプリと46の脆弱なTPLからなる新しいベンチマークを構築し、各アプリが4つの変換構成でコンパイルされる。 最も難しいR8フルモードでは、LibFanはF1スコアが81.3%、バージョンレベルでは47.6%に達し、それぞれ64.9%、最先端では35.6%となっている。

関連論文リスト

• StereoFactory: A Unified Merging Framework for Robust Stereo Matching [61.973843344605655]
  ステレオマッチングは、大規模なデータセットでトレーニングされた基礎モデルを通じて進歩しているが、このパラダイムはスケーラビリティのボトルネックに悩まされている。 モデルマージは、ソースチェックポイントが利用可能になった後、特別なモデルからの知識を統合することで、スケーラブルなポストホックな代替手段を提供する。 本稿では,適応モデルマージのための粗大な進化的フレームワークであるStereoFactoryを提案する。
  論文  参考訳（メタデータ） (2026-06-16T03:36:59Z)
• LibContinual: A Comprehensive Library towards Realistic Continual Learning [62.34449396069085]
  継続的学習(CL)における根本的な課題は破滅的な忘れ込みであり、新しいタスクに適応することで、以前のタスクのパフォーマンスが低下する。 現実的なCLの基礎となるプラットフォームとして設計された,包括的で再現可能なライブラリであるLibContinualを提案する。
  論文  参考訳（メタデータ） (2025-12-26T13:59:13Z)
• A New Benchmark for Evaluating Code Translation with Third-Party Libraries [37.53966825335189]
  TransLibEvalはライブラリ中心のコード翻訳に特化した最初のベンチマークである。 Python、Java、C++にまたがる200の現実世界のタスクで構成されており、それぞれがデータ処理、機械学習、Web開発といったさまざまなカテゴリのTPLを明示的に含んでいる。 商業・一般・コード特化家族の近年の7つのLCMを,直接・IR誘導・検索強化の6つのカテゴリの翻訳戦略に基づいて評価した。
  論文  参考訳（メタデータ） (2025-09-15T16:16:14Z)
• Tuning the Right Foundation Models is What you Need for Partial Label Learning [55.61644150441799]
  部分ラベル学習は、不正確な監督を伴うデータセットから一般化可能な分類器を訓練しようとする。 本研究では,13のアプローチによる11の基盤モデルの評価を,3つのシナリオ下で8つのベンチマークデータセット上で実証的に実施する。 その結果, 基礎モデルを用いた場合, 2) 互いに著しく類似した性能を示し, 3) 様々なあいまいさレベルにわたって安定な性能を維持し, 4) 基礎モデルの選択や適応戦略に敏感であることがわかった。
  論文  参考訳（メタデータ） (2025-06-05T13:37:33Z)
• BinCoFer: Three-Stage Purification for Effective C/C++ Binary Third-Party Library Detection [3.406168883492101]
  サードパーティ製ライブラリ(TPL)は、効率的かつ簡潔なソフトウェア開発を実現するために人気が高まっている。 規制されていないTPLの使用は、ソフトウェア開発に法的およびセキュリティ上の問題をもたらす。 BinCoFerはバイナリプログラムで再利用されたTPLを検出するために設計されたツールである。
  論文  参考訳（メタデータ） (2025-04-28T07:57:42Z)
• Version-level Third-Party Library Detection in Android Applications via Class Structural Similarity [3.8381968290928596]
  バージョンレベルの検出性能の高いTPL検出ツールであるSADを提案する。 SADのF1スコアは97.64%と84.82%である。
  論文  参考訳（メタデータ） (2025-04-18T08:24:32Z)
• Rethinking End-to-End 2D to 3D Scene Segmentation in Gaussian Splatting [86.15347226865826]
  We design an new end-to-end object-aware lifting approach, called Unified-Lift。 コントラスト損失を用いて学習したガウスレベルの機能を各ガウス点に拡張し、インスタンス情報をエンコードする。 LERF-Masked、Replica、Messy Roomsの3つのベンチマークで実験を行った。
  論文  参考訳（メタデータ） (2025-03-18T08:42:23Z)
• ML-Bench: Evaluating Large Language Models and Agents for Machine Learning Tasks on Repository-Level Code [76.84199699772903]
  ML-Benchは、既存のコードリポジトリを利用してタスクを実行する現実世界のプログラミングアプリケーションに根ざしたベンチマークである。 LLM(Large Language Model)とAIエージェントの両方を評価するために、事前に定義されたデプロイメント環境でLLMのテキスト-コード変換を評価するML-LLM-Benchと、Linuxサンドボックス環境でエンドツーエンドのタスク実行で自律エージェントをテストするML-Agent-Benchの2つの設定が採用されている。
  論文  参考訳（メタデータ） (2023-11-16T12:03:21Z)
• LibAUC: A Deep Learning Library for X-Risk Optimization [43.32145407575245]
  本稿では,LibAUC という賞を受賞したディープラーニングライブラリについて紹介する。 LibAUCは、Xリスクと呼ばれるリスク関数のファミリーを最適化するための最先端のアルゴリズムを実装している。
  論文  参考訳（メタデータ） (2023-06-05T17:43:46Z)
• I3CL:Intra- and Inter-Instance Collaborative Learning for Arbitrary-shaped Scene Text Detection [93.62705504233931]
  事例間協調学習(I3CL)という新しい手法を提案する。 具体的には、最初の問題に対処するため、複数の受容場を持つ効率的な畳み込みモジュールを設計する。 2つ目の問題に対処するため、異なるテキストインスタンス間の依存関係を利用するインスタンスベースのトランスフォーマーモジュールを考案しました。
  論文  参考訳（メタデータ） (2021-08-03T07:48:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。