本文版权为《邮电设计技术》所有，如需转载请联系《邮电设计技术》编辑部
摘要：小众涉诈恶意程序是涉诈恶意程序中更狡猾、更隐蔽、更具对抗性的一个子集，其隐蔽性强、变种快的特点给网络安全带来了严峻挑战。提出基于网络流量的小众涉诈应用程序智能识别方法。该方法通过实时采集并深度解析应用程序网络流量数据，采用流量还原技术提取多维特征向量；构建了动态更新的小众涉诈应用程序特征知识库，引入机器学习算法实现特征匹配与异常检测，提升对小众新型变种涉诈应用程序的识别准确率。
关键字：网络流量；小众涉诈应用程序；动态研判；识别
doi：10.12045/j.issn.1007-3043.2026.09.013
引言
小众涉诈APP 是当前电信网络诈骗的主要工具之一。这类APP 并非来自官方应用商店，而是由诈骗团伙私自开发、包装，并通过特定链接、二维码、聊天群等方式传播的恶意应用程序。当前小众涉诈应用程序呈现爆发式增长态势，对网络空间安全和用户资产安全构成严重威胁[1]。这类恶意应用往往采用高度隐蔽的技术手段，并通过快速迭代变种逃避检测，传统防护手段难以对其形成进行有效拦截。涉诈应用程序不仅会造成重大经济损失，更会危及个人隐私与数据安全，严重破坏数字生态信任体系[2]。
因此，小众涉诈APP 识别已成为网络安全领域的关键课题。然而，静态代码分析、权限检查等传统方法需人工定义规则，难以应对快速迭代的加壳、混淆技术[3]；另外，有些研究依赖用户行为数据（如短信内容、GPS轨迹等），存在隐私泄露风险，使实际部署受到制约。本文提出了一种基于网络流量的小众涉诈APP识别方法，即使APP 本身是新的、未知的，但其通信行为会暴露出固有的恶意模式或特征。该方法利用现有基础设施的优势，采集核心网络的全流量数据信息，提取APP 源文件，使用智能算法对文件进行分析和识别，并动态更新文件库，提高对涉诈APP 的识别性能，更好地维护网络安全环境。
