移動(dòng)互聯(lián)網(wǎng)APP應(yīng)用安全評(píng)估模型

APP岳倩移動(dòng)互聯(lián)時(shí)代,移動(dòng)應(yīng)用貫穿于人們的工作和生活,越來(lái)越多的人對(duì)移動(dòng)應(yīng)APPAPP的爭(zhēng)論分析,建立移動(dòng)應(yīng)用靜態(tài)評(píng)估模型.通過(guò)提取移動(dòng)應(yīng)用的重要屬性及特征,運(yùn)用改進(jìn)的聚類算法進(jìn)展評(píng)估,使得評(píng)估準(zhǔn)確性明顯提高.《沈陽(yáng)航空航天大學(xué)學(xué)報(bào)》【年(卷),期】2023(033)005【總頁(yè)數(shù)】6(P68-73)移動(dòng)互聯(lián)網(wǎng);應(yīng)用程序;安全評(píng)估模型;聚類算法【作者】岳倩【作者單位】110180【正文語(yǔ)種】中文TP392網(wǎng)絡(luò)帶來(lái)的便捷和舒適，可以隨時(shí)通過(guò)掃描二維碼、軟件管家等方式下載各類APPAPP國(guó)移動(dòng)互聯(lián)網(wǎng)進(jìn)展?fàn)顩r及其安全報(bào)告(2023)》[1]顯示，20237.811.3AndroidiosAPP人民群眾的利益，甚至危害社會(huì)穩(wěn)定和國(guó)家安全。2023意程序的境內(nèi)用戶高達(dá)1.74億人，據(jù)網(wǎng)絡(luò)不良與垃圾信息舉報(bào)受理中心數(shù)據(jù)顯示，2023727976200684APP10%APP1483APPAPP9法，并進(jìn)展優(yōu)化和改進(jìn)，使得評(píng)估準(zhǔn)確性明顯提高。隱私信息泄露道的狀況下獵取用戶通訊錄、短信、活動(dòng)范圍等隱私信息。雖然隱私信息的喪失不定，必定會(huì)引起重視。靜態(tài)破解置文件、資源文件等重要信息的暴漏，靜態(tài)破解也是靜態(tài)分析的首要任務(wù)[2]。動(dòng)態(tài)調(diào)試改規(guī)律、分析敏感信息等手段，尋求破解的途徑[3]。篡改打包替換、篡改、重簽名及盜版等風(fēng)險(xiǎn)。按鍵劫持支付等敏感信息泄露。存儲(chǔ)數(shù)據(jù)喪失限限制不夠嚴(yán)格，會(huì)導(dǎo)致存儲(chǔ)數(shù)據(jù)的任意讀取、篡改或惡意竊取。協(xié)議抓包進(jìn)展連接，因此存在被協(xié)議抓包的風(fēng)險(xiǎn)，易造成敏感信息被獵取及篡改。傳統(tǒng)應(yīng)用安全WEBSERVICE供給效勞的移動(dòng)應(yīng)用大都具有傳統(tǒng)應(yīng)用的特點(diǎn)，可能存在SQL9[4],1針對(duì)移動(dòng)應(yīng)用的靜態(tài)評(píng)估，需進(jìn)展特征屬性的提取，本模型選取了18種特征屬性，251取模塊、特征序列模塊、特征匹配聚類模塊、輸出模塊[5-6]。技術(shù)難點(diǎn)移動(dòng)應(yīng)用的靜態(tài)分析面臨著很多技術(shù)難點(diǎn)，首先是應(yīng)用加密、加殼以及源碼混淆，幾乎使靜態(tài)分析無(wú)法進(jìn)展。因此，需要借助一些平臺(tái)、讀取平臺(tái)反響信息和其他技AndroidIDA、ZjDroid、JEB、apkTool、apkSigniosdumpdecrypted、、IDA、class-dump-z、UtSign淆的程序需通過(guò)手工結(jié)合工具的方式進(jìn)展混淆復(fù)原，依據(jù)復(fù)原程度，可能對(duì)評(píng)估結(jié)果造成影響。接下來(lái)的難點(diǎn)就是特征提取，以安卓應(yīng)用為例，通過(guò)解析配置文件、源碼、smaliAPI流、數(shù)據(jù)流等，通過(guò)讀取逆向破解、篡改打包等工具的執(zhí)行反響信息，獲得逆向特征及篡改等特征，并生成篡改、簽名后的打包文件，便于進(jìn)一步驗(yàn)證篡改、驗(yàn)簽狀況[7]。改進(jìn)聚類算法聚類算法[8-9]是爭(zhēng)論分類問(wèn)題的統(tǒng)計(jì)分析方法，也是數(shù)據(jù)挖掘的重要算法。聚類分，在簇內(nèi)的數(shù)據(jù)對(duì)象的相像度高于簇外的相像度，也就是說(shuō)本簇內(nèi)的各數(shù)據(jù)對(duì)象API擇聚類算法作為移動(dòng)應(yīng)用安全評(píng)估算法是切實(shí)可行的。目前主要的聚類算法可以劃分為如下幾類：劃分法(PartitioningMethods)、層次法(HierarchicalMethods)、基于密度的方法(density-basedmethods)、基于網(wǎng)格的方法(grid-basedmethods)、基于模型的方法(Model-BasedMethods)。層次法(HierarchicalMethods為止。代表算法有ROCK算法、BIRCH算法、CURE算法、CHAMELEON算法等。ROCK聯(lián)性作為依據(jù)來(lái)判定聚類。ROCKAPPAPIROCKAPPAPIROCK改進(jìn)，使其更好地應(yīng)對(duì)移動(dòng)互聯(lián)網(wǎng)簡(jiǎn)潔多變的安全威逼。ROCKLink(Jaccard)作為數(shù)據(jù)點(diǎn)之間的衡量準(zhǔn)則。杰卡德相像度的定義如式(1)所示。其中，Pi、PjJaccard元素個(gè)數(shù)。Pi、Pjθ，這兩個(gè)數(shù)據(jù)點(diǎn)就是鄰居。閾θθ求越高，反之則對(duì)鄰居的要求越低。ROCK鏈接作為判定準(zhǔn)則。(2)所示。其中，MiMjpipj間的聯(lián)系越嚴(yán)密。(3)所示。其中，pqprCiCjCiCj簇間鏈接數(shù)是本簇中全部點(diǎn)分別與對(duì)方簇中全部點(diǎn)間的鏈接數(shù)之和。B，如式(4)所示。pipj為近鄰是Axij10L=B*B，即可得nROCK的定義如式(5)所示。其中，Ci為任意一個(gè)簇，θ為相像度的閾值，此數(shù)據(jù)可以依據(jù)用戶需求認(rèn)為確定，niCipqprKEi的值最大時(shí)則為最優(yōu)的聚類。ROCK(6)所示。，ROCK數(shù)的定義如式(7)所示。Ci、Cj說(shuō)明鏈接越嚴(yán)密，故每次聚類均選擇此公式結(jié)果最大簇進(jìn)展聚類。ROCKθK，依據(jù)指定的數(shù)計(jì)算出各點(diǎn)的鄰居和鄰居間的鏈接數(shù)，最終依據(jù)聚類指導(dǎo)函數(shù)進(jìn)展簇間合并，指導(dǎo)形成用戶所期望的kROCKAPIAPP法很好地確定閾值[9]。ROCKROCK10。這樣的極限算法很簡(jiǎn)潔消滅一些不合理鄰居的消滅，故本文提出了一個(gè)不合理鄰居的剔除方法。pipj其中，Npi0ave_sim(ipi點(diǎn)與其相像度的平均值。[10]是衡量源數(shù)據(jù)和期望值相差的度量值，即研(9)所示，在這里對(duì)剔除不合理鄰居有重要的意義。其中，npi0s(i)2pi相像度的方差。pipj(10)所示。ave_s(i)2pipjsim(pi,pj)>ave_sim(is(i)2<ave_s(i)2pjpi則為不合格鄰居，將其在鄰居列表中剔除。ROCK時(shí)有效避開(kāi)了個(gè)別鄰居的波動(dòng)性和離散型。特征序列模塊、特征匹配聚類模塊及輸出模塊[11]。53676893碼混淆恢復(fù)處理。在特征提取模塊中，平臺(tái)對(duì)被測(cè)移動(dòng)應(yīng)用自動(dòng)進(jìn)展逆向操作，智能解析移動(dòng)應(yīng)用的配置文件、源碼等根底文件，分析權(quán)限申請(qǐng)、API調(diào)用、組件、把握流、數(shù)據(jù)流等，并通過(guò)讀取逆向破解、篡改打包等工具的執(zhí)行反響信息，獲得逆向特征及篡改等相關(guān)特征[11]。處理，并進(jìn)展存儲(chǔ)。[12]，平臺(tái)通過(guò)智能特征匹配及識(shí)別算法，生成與移動(dòng)應(yīng)用API1000100089.57%，93.61%，準(zhǔn)確性明顯提高。試、滲透等的測(cè)試及分析。改進(jìn)了聚類算法，有效提高了評(píng)估準(zhǔn)確性。作困難而迫切，需要社會(huì)各界的努力，共建移動(dòng)互聯(lián)的大安全?！鞠嚓P(guān)文獻(xiàn)】中國(guó)互聯(lián)網(wǎng)協(xié)會(huì),國(guó)家互聯(lián)網(wǎng)應(yīng)急中心.中國(guó)移動(dòng)互聯(lián)網(wǎng)進(jìn)展?fàn)顩r及其安全報(bào)告(2023)[R].北京，2023.VARGASR,HUERTAR,SAOC.SecuritycontrolsforAndroid[C]putationalAspectsofSocialNetworks(CASoN),2023FourthInternationalConferenceon,2023:212-216.[3]CHARLIEMILLER,DIONBLAZAKIS,DINODAIZOVI.iOSHacker′sHandbook[M].NewYork:JohnWiley&Sons,2023.[4]陳建民.面對(duì)移動(dòng)應(yīng)用安全評(píng)估的多屬性專家決策模型及應(yīng)用爭(zhēng)論[D].北京:北京工業(yè)大學(xué),2023.[5Android[J].計(jì)算機(jī)系統(tǒng)應(yīng)用,2023(11):187-189.APIAndroid[J].計(jì)算機(jī)科學(xué),2023,42(1):155-158.SEHMIDTAUBREY-DERFICK,BYERAINER,SEHMIDTHANSGUNTHER,etal.StaticanalysisofexecutablesforcollaborativemalwaredetectiononAndroid[C].Proceedingsofthe2023IEEEinternationalconferenceonCommunications(ICC′09).Dresden,Germany,2023:63l-635.[8]李向東,夏冰,鄭秋生.Android[J].信息安全與通信保密，2023(9):133-135.GUHAS,RASTOGIR,SHIMK.ROCK.Arobustclusteringalgorithmforcategoricalattributes[C].DataEngineering,Proceedings,15thInternationalConferenceon.IEEE,1999:512-521.江海峰,莊健.概率論與數(shù)理統(tǒng)計(jì)[M].合肥：中國(guó)科技大學(xué)出版社,2023.RASSAMEEROJI,TANAHASHIY.VariousapproachesinanalyzingAndroidapplicationswithitspermission-basedsecuritymodels[C].Electro/InformationTechnology(EIT),2023IEEEInternationalConferenceon.IEE