摘要
Android是目前最多人使用的智慧型手機系統，使用者可以自由下載安裝應用程式App來執行各項工作，因此許多惡意程式偽裝成合法的應用程式，引誘使用者下載，然後在背後偷竊使用者的個人隱私與機密資料，以達不法的目的。因此在一個應用程式上架之前檢驗它的安全性，確保該應用程式不會竊取機密資料，是一個保護使用者的重要工作。目前許多防毒軟體是藉由辨認特徵碼來判別惡意程式，然而Android手機惡意程式發展相當迅速，及時找出惡意程式及其特徵碼是非常困難及費時的工作，利用辨識特徵碼的保護方式常緩不濟急。本文提出一套結合靜態分析與動態分析的系統，藉由實行這兩種分析以取得應用程式多面相的特徵屬性，並且藉由機器學習演算法，將這些特徵屬性進行分類，以分辨該應用程式是否為惡意程式。在動態分析部分，我們實作一個可辨識使用者介面之自動行為觸發程式，擬真模擬使用者操作應用程式之動作，以確實激發應用程式的功能，如果該程式是惡意的，其惡意行為也會被啟動，這有利於偵測惡意行為。我們提出一種新的特徵屬性，利用應用程式執行期間所使用之系統呼叫順序來提升惡意程式分辨率。我們分析大量的應用程式樣本，證實結合這種行為觸發程式及新的特徵屬性的機器學習技術，可以提升判斷惡意程式的準確率。
延伸閱讀
- 蔡立倫（2014）。整合靜態分析及動態分析結果 作為機器學習標準的 Android惡意程式偵測系統〔碩士論文，國立交通大學〕。華藝線上圖書館。https://doi.org/10.6842/NCTU.2014.00934
- 孫建興（2012）。行動裝置上惡意軟體行為偵測之研究-以Android為例〔碩士論文，大同大學〕。華藝線上圖書館。https://www.airitilibrary.com/Article/Detail?DocID=U0081-3001201315113570
- Wu, W. C. (2014). 運用機器學習及巨量資料分析實現Android惡意程式動態偵測 [master's thesis, National Taiwan University]. Airiti Library. https://doi.org/10.6342/NTU.2014.03127
- 陳鴻源（2016）。Android惡意程式偵測系統〔碩士論文，國立臺中科技大學〕。華藝線上圖書館。https://www.airitilibrary.com/Article/Detail?DocID=U0061-1607201607541900
- Chang, W. L. (2015). 基於行為分析與機器學習的Android惡意軟體檢測方法 [master's thesis, National Tsing Hua University]. Airiti Library. https://www.airitilibrary.com/Article/Detail?DocID=U0016-0312201510295557