Android平臺惡意程序檢測技術(shù)研究.pdf

1、隨著4G網(wǎng)絡(luò)的進一步推廣，移動互聯(lián)網(wǎng)迅速發(fā)展，市場規(guī)模也空前壯大。而在移動智能平臺，Android目前占據(jù)了最大的市場份額，隨著Android應(yīng)用的廣泛普及，隨之而來的安全問題日益突出。其中，Android惡意程序、惡意代碼是最大的威脅來源，這就對Android惡意程序的檢測提出了挑戰(zhàn)。本文選擇基于靜態(tài)權(quán)限特征，借助機器學習方法對Android平臺下單應(yīng)用惡意程序檢測技術(shù)進行了研究;另外，選擇三種通信模式對Android多應(yīng)用間接提權(quán)惡

2、意攻擊檢測技術(shù)進行了研究，具體成果如下：
　　首先，對Android平臺的系統(tǒng)架構(gòu)和安全機制，特別是權(quán)限機制進行了分析，并對程序惡意性與權(quán)限之間的關(guān)系進行了闡述和舉例說明。同時對多應(yīng)用間權(quán)限提升攻擊漏洞的機制和攻擊模型進行了分析，為后文的檢測方案作了鋪墊。
　　隨后，針對目前惡意程序檢測技術(shù)檢出率不高，以及存在誤報，缺乏對未知惡意程序檢測等不足，提出了一種基于關(guān)聯(lián)權(quán)限特征的靜態(tài)檢測方法。對獲取的應(yīng)用權(quán)限特征進行預(yù)處理，通過頻

3、繁模式挖掘算法構(gòu)造關(guān)聯(lián)特征集，然后采用冗余關(guān)聯(lián)特征剔除算法對冗余關(guān)聯(lián)特征進行精簡;通過計算互信息來進行特征篩選，獲得最具分類能力的獨立性特征空間，利用樸素貝葉斯分類算法進行惡意程序的檢測。實驗結(jié)果證明，在貝葉斯分類之前對特征進行處理具有較強的有效性和可靠性，能夠獲得較高的檢測率和準確率。
　　最后，針對Android權(quán)限授權(quán)粒度過粗導致的間接提權(quán)惡意攻擊問題，提出了一種基于應(yīng)用組件通信的權(quán)限提升攻擊檢測方案。對系統(tǒng)組件進行安全檢查