藉由靜態程式碼分析找出Android惡意程式潛在的惡意行為

Identifying potentially malicious behavior inside Android malware by static code analysis

鄭傑文(Chien-Wen Cheng)

指導教授 ： 林柏青

國立中正大學/工學院/資訊工程學系/碩士(2013年)

摘要

近幾年來，智慧型手機已變得非常普遍，幾乎每個人都會有一台，而它所搭載的Google Android 系統可以讓使用者透過安裝第三方的軟體來擴充手機的功能。Google Android 是一個開放式的系統，它可以讓每個人自行開發自製的軟體到智慧型手機上，並且分享給其他人使用。但是，手機裡儲存的個人隱私資訊也因此變成駭客們的目標了。在先前的許多研究中，也有發現說Android Malware 會在使用者不知情的狀況下，竊取手機裡的個人隱私資訊。因此，本篇論文的主要研究目的是希望以靜態分析的方式，抓取出包含有相同類型惡意功能的Android Malware。其主要的研究方法為，將Control Flow Graph(CFG) 的技術應用至分析上，並使用Levenshtein Distance 演算法進行fingerprint 相似度的比對。同時，也使用Jarcard 演算法進行惡意行為類型的比對以及計算指令數的相似度，藉以提高辨識的準確率。在實驗部分，我們使用543 隻已知的Android Malware當作training data，同時也使用1804 隻從Google Play 平台上載下來的app，以及4258 隻較近期的Android Malware 來驗證。從實驗結果可以得知，我們的研究方法可以藉由少量的traing sample 成功抓取到其餘同類型的Android Malware，而對於較近期的Android Malware 則是有約20.5%的辨識率，不過對於從Google Play 平台上抓取到的免費app 還是有約8.5% 的可疑辨識率。

並列摘要

無資料

並列關鍵字

Control Flow Graph ； Android Malware

參考文獻

[12] Asaf Shabtai, Yuval Fledel and Yuval Elovici, ”Automated Static Code

[20] S. Forrest, S. Hofmeyr, and A. Somayaji, ”The evolution of system-call

[1] Yajin Zhou and Xuxian Jiang, “Dissecting Android Malware: Characterization

and Evolution,”In Proceedings of the IEEE Symposium on

and S. Zanero, “Identifying Dormant Functionality in Malware Programs,”