隨著安卓操作系統(tǒng)的普及和快速發(fā)展，安卓惡意軟件和測試軟件相互間的對抗也愈來愈猛烈。如何高效準確地識別安卓惡意軟件對用戶的隱私保護和設(shè)備安全至關(guān)重要。對于傳統(tǒng)文章的不足，明確提出了根據(jù)多維特征的安卓惡意軟件檢測方案。該方案利用對Android應(yīng)用軟件包進行反匯編，將手機權(quán)限、網(wǎng)絡(luò)證書、代碼混淆等多種特點融合在一起，并應(yīng)用隨機森林模型和支持空間向量模型進行培訓。實驗結(jié)果表明，與簡單依賴權(quán)限和API特征的傳統(tǒng)方式 相比，該方案對惡意軟件測試集的檢測率達到19.4%。安卓操作系統(tǒng)是應(yīng)用人數(shù)最多的移動操作系統(tǒng)。據(jù)調(diào)查，到二零二零年十二月截止，谷歌商店P(guān)lay可以下載350萬種以上的APP，每月平均下載人數(shù)超過500萬種。但是，廣闊的應(yīng)用場景也為惡意軟件的發(fā)展提供了溫床。據(jù)調(diào)查，二零二零年1月至3月，安卓惡意軟件超過48萬種，其中木馬是最具體的類型。各種數(shù)據(jù)顯示，惡意軟件檢測是一個重要的問題，隨著時間的推移，安卓惡意軟件也顯示出更強的偽裝性，懷疑傳統(tǒng)的檢測手段是否有效。

這篇文章對于上述問題，明確提出了根據(jù)多維特征的安卓惡意軟件檢測方式 。利用AndroidAPP的反匯編，獲取權(quán)限，應(yīng)用應(yīng)用程序編程接口(ApplicatorDataramchengIncerfacr、API)、網(wǎng)絡(luò)證書的時效性、代碼混淆程度等不同特征，組成空間向量，隨后應(yīng)用隨機森林和支持向量計算法進行培訓分類器

現(xiàn)階段，Android惡意代碼檢測的文章較多，具體思路還可以梳理為三種類型:根據(jù)權(quán)限和特征的API、程序控制流和數(shù)據(jù)流和動態(tài)行為分析。文章考慮了不同權(quán)限的組合和惡意代碼的關(guān)系，明確提出了根據(jù)隨機森林的靜態(tài)惡意代碼檢測方式 。代碼控制流信息也常用于惡意代碼檢測。

文章明確提出了Dalvik字節(jié)代碼插入方案，利用監(jiān)視控制流，實現(xiàn)了對惡意行為的認識。與靜態(tài)分析相比，動態(tài)分析對軟件的運行狀態(tài)有更強的捕捉能力，因此也經(jīng)常應(yīng)用于惡意代碼檢測。文章應(yīng)用污點分析技術(shù)跟蹤多個敏感數(shù)據(jù)源的數(shù)據(jù)流，從而判斷應(yīng)用是否存在威脅用戶隱私的操作，但污點分析費用大，運行效率低。文章結(jié)合靜態(tài)反匯編特點和動態(tài)運行特點，用卷積神經(jīng)網(wǎng)絡(luò)和長期記憶網(wǎng)絡(luò)混合的方式 檢測惡意應(yīng)用。

由于Java語言易于逆向的特點，編碼混淆技術(shù)被廣泛應(yīng)用于安卓程序開發(fā)過程中。代碼混淆利用去除代碼中的語義信息，用等效的代碼替換原始代碼結(jié)構(gòu)等方式，混淆的代碼難以理解，增加逆向成本。文章利用對谷歌官方市場、中國第三方應(yīng)用市場和惡意軟件等3個數(shù)據(jù)源的10萬個以上的應(yīng)用包進行大規(guī)模掃描，統(tǒng)計了常見的3個代碼混淆技術(shù)的應(yīng)用情況。據(jù)調(diào)查，安卓惡意軟件對代碼混淆技術(shù)的應(yīng)用與普通應(yīng)用有很大差異。

總結(jié)

以上是生活随笔為你收集整理的恶意软件android,安卓APP恶意软件的安全检测机制的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。