静动态结合的恶意Android应用自动检测技术

• 作者: 崔展齐 李宣东 潘敏学 王林章 黄浩华
• 来源期刊: 信息安全学报
• 学科: 工学
• 关键词: Android应用 静态分析 动态测试 恶意行为
• 年，卷（期）: 2017,（4）
• 页码范围: 27-40
• 页数: 14页
• 分类号: TP311.5
• 字数: 12230字
• 语种: 中文
• DOI: 10.19363/j.cnki.cn10-1380/tn.2017.10.003

摘要

随着移动互联网的快速发展,移动终端及移动应用在人们日常生活中越来越重要,与此同时,恶意移动应用给网络和信息安全带来了严峻的挑战.Android平台由于其开放性和应用市场审查机制不够完善,使其成为了移动互联网时代恶意应用的主要传播平台.现有的恶意应用检测方法主要有静态分析和动态测试两种.一般而言,静态分析方法代码覆盖率高、时间开销小,但存在误报率较高的问题;而动态测试准确度较高,但需要实际运行应用,所需的时间和计算资源开销较大.针对上述情况,本文基于静动态结合的方法,自动检测恶意Android应用.首先,使用静态分析技术获取应用API的调用情况来判定其是否为疑似恶意应用,特别是可有效检测试图通过反射机制调用API躲避静态分析的恶意应用;然后,根据疑似恶意应用UI控件的可疑度进行有针对性的动态测试,来自动确认疑似恶意应用中是否存在恶意行为.基于此方法,我们实现了原型检测工具框架,并针对吸费短信类恶意行为,对由465个恶意应用和1085个正常应用组成的数据集进行了对比实验.实验结果表明,该方法在提高恶意应用检测效率的同时,有效地降低了误报率.