23、基于字符串分析的安卓恶意应用检测方法

基于字符串分析的安卓恶意应用检测方法

1. 背景与动机

智能手机如今极为普及，它能让我们随时随地查邮件、上网或和朋友玩游戏。为了充分利用其功能，我们需要在设备上安装各种应用。过去，应用安装是个难题，因为没有集中的下载平台，用户需在网上自行搜索。一些操作系统为防盗版和保护设备，采用认证协议，却给用户带来不便。

如今，随着移动设备广泛联网，新的应用分发和安装方式出现。苹果应用商店开创了线上应用商店模式，大获成功，随后RIM、微软和谷歌等也纷纷效仿。这吸引了大量开发者投身这些平台。

然而，应用市场也出现了恶意软件。安卓和iOS处理恶意软件的方式不同。苹果采用严格审核流程，而安卓依赖安全权限系统和用户判断，但用户往往缺乏安全意识，安装应用时不看权限要求。尽管应用商店条款禁止上传恶意软件，但仍有恶意软件流入。因此，现有的防护模式不足以确保安全，需要新方法提升设备安全性。

机器学习分类在恶意软件检测中应用广泛，已有多种方法用于对可执行文件分类，确定恶意软件类别或家族。在安卓领域，新的恶意软件样本数量呈指数级增长，也有不少检测方法被提出。

2. MADS方法概述

在此背景下，提出了MADS（Malicious Android applications Detection through String analysis）方法，通过提取安卓应用中的字符串，构建机器学习分类器来检测恶意软件。主要贡献如下：
- 提出基于反汇编应用中字符串的词袋模型来表示安卓应用的新技术。
- 适配知名机器学习分类器用于安卓恶意应用检测。
- 发现使用反汇编应用中的字符串作为特征，机器学习算法可实现安卓恶意应用检测。