Android系統(tǒng)應(yīng)用軟件分析與檢測系統(tǒng)的研究.pdf

1、近年來，隨著移動互聯(lián)網(wǎng)的飛速發(fā)展，移動智能終端已經(jīng)深深影響著人們的生活、學(xué)習(xí)和工作。然而，在眾多的移動智能終端中Android系統(tǒng)的智能終端設(shè)備占據(jù)了巨大的市場份額。由于Android系統(tǒng)的開放性以及國內(nèi)應(yīng)用市場的混亂性，導(dǎo)致Android惡意軟件急劇增長，這給人們的隱私數(shù)據(jù)和財產(chǎn)安全造成了巨大危害，因此對Android惡意軟件分析和檢測系統(tǒng)的研究已經(jīng)刻不容緩。
　　Android軟件分析技術(shù)主要分為靜態(tài)分析和動態(tài)分析，靜態(tài)分析主

2、要通過反編譯技術(shù)獲取的反匯編代碼來分析其邏輯，動態(tài)分析主要通過代碼注入或者通過定制Android系統(tǒng)來分析軟件的行為特征。為了更準(zhǔn)確和快速的對惡意軟件分析和檢測，本文綜合靜態(tài)分析和動態(tài)分析的優(yōu)點(diǎn)，提出了利用決策樹算法和神經(jīng)網(wǎng)絡(luò)算法的惡意軟件檢測模型。該模型首先使用靜態(tài)分析技術(shù)提取出應(yīng)用軟件申請的權(quán)限、組件信息、應(yīng)用包名和應(yīng)用簽名等信息，通過決策樹算法對應(yīng)用軟件進(jìn)行快速檢測；然后通過動態(tài)分析技術(shù)提取出應(yīng)用軟件運(yùn)行時的敏感 API函數(shù)、系統(tǒng)

3、命令等信息，綜合靜態(tài)分析技術(shù)提取出的數(shù)據(jù)，使用神經(jīng)網(wǎng)絡(luò)算法對應(yīng)用軟件進(jìn)行準(zhǔn)確檢測；最后在以上檢測模型的基礎(chǔ)上設(shè)計了一套惡意軟件檢測系統(tǒng)。本論文的主要工作如下：
　?。?）本文研究了Android系統(tǒng)的架構(gòu)、Android應(yīng)用程序組件、Android安全模型、Android惡意軟件的分類以及攻擊方式和軟件分析方法，并詳細(xì)分析了Android系統(tǒng)的啟動過程等知識，為下文檢測模型的建立提供了理論基礎(chǔ)。
　?。?）針對惡意軟件檢測的

4、快速和輕量的需求，提出了一種基于權(quán)限使用決策樹算法快速檢測Android惡意軟件的模型。該模型以應(yīng)用程序申請的權(quán)限為切入點(diǎn)，使用靜態(tài)分析技術(shù)提取出軟件申請的權(quán)限，以眾多樣本中應(yīng)用程序申請的權(quán)限的次數(shù)多少和信息增益大小為依據(jù)進(jìn)行特征選取和特征去冗，組成最具有代表軟件類別的權(quán)限特征集合作為分類標(biāo)準(zhǔn)，實(shí)驗結(jié)果表明該模型具有較好的準(zhǔn)確率和較快的運(yùn)行速度。為了進(jìn)一步提高檢測的準(zhǔn)確率，本文結(jié)合靜態(tài)分析和動態(tài)分析技術(shù)，提出了基于神經(jīng)網(wǎng)絡(luò)算法深度檢測A

5、ndroid惡意軟件的模型，該模型在靜態(tài)分析的基礎(chǔ)上，對現(xiàn)有動態(tài)分析技術(shù)的改進(jìn)來記錄軟件運(yùn)行時敏感 API函數(shù)的執(zhí)行情況、系統(tǒng)命令調(diào)用等多類特征作為分類標(biāo)準(zhǔn)，實(shí)驗表明該模型在一定的執(zhí)行時間內(nèi)明顯優(yōu)于決策樹算法，具有很好的應(yīng)用價值。
　?。?）結(jié)合Android的安全機(jī)制和以上提出的檢測模型，本文設(shè)計了Android惡意軟件檢測系統(tǒng)的框架。該框架由手機(jī)客戶端和服務(wù)器端組成，手機(jī)客戶端主要負(fù)責(zé)收集已經(jīng)安裝應(yīng)用軟件的包名、簽名和申請的權(quán)