百万 Android 用户受感染!

一种名为 Andr/HiddnAd-AJ 的恶意软件成功上线 Google Play 商店,已感染超过 100 万 Android 用户。该恶意软件通过伪装成正常应用程序潜伏在商店中,向受害者发送大量广告。

点击上方“优快云”,选择“置顶公众号”

关键时刻,第一时间送达!

还是在 Google 官方商店 —— Google Play 上!

作者 | 言则

责编 | 沭七

“开源”的 Android 系统一直很受恶意软件的青睐。

近年来,一桩桩漏洞事件影响范围不断扩大,包括允许恶意攻击者绕过应用程序的签名、并将恶意代码植入 Android 应用程序的 Janus 漏洞,允许远程代码执行、影响超 10 亿用户的 Stagefright 漏洞等等,不胜枚举。仅 2017 年,Android 用户感染的恶意软件数就高达 2.14 亿,并且在以惊人的速度持续增长。各种入侵方式更是五花八门,防不胜防——即使是在 Google 官方商店 Google Play 上也无法避免。

据外媒 ZDNet 近日报道,一个名为 Andr / HiddnAd-AJ 的恶意应用程序,通过复杂的技术伪装成功上线了 Google Play,目前已经感染了至少 100 多万个 Android 用户系统。

流氓软件的伪装技术越来越高超了。

通过将恶意软件伪装成一系列看起来正常的应用程序,攻击者向 Android 系统受害者发送了大量的广告。

这些软件潜伏在 Google Play 商店中,并伪装成七个不同的应用程序——六个二维码识别器和一个“智能指南针”。通过巧妙的编码方式和延迟响应速度来隐藏攻击意图,从而成功地绕过系统安全检查。

当第一次运行恶意应用程序时,它会由背后的服务器向主页发送配置信息。最重要的是,为了隐藏攻击意图,在安装完成的头 6 个小时内,受感染设备上不会运行任何恶意操作。一旦前几个小时的潜伏期过去了,服务器的配置下载就会运行起来,提供 URL、消息、图标和链接列表——感染方式包括引导广告软件下载,用全屏广告轰炸手机,或者转到广告网页的链接界面,发送包含广告相关链接的各种通知。

此外,恶意软件还会将广告软件的代码嵌入到应用程序文件的标准 Android 编程库中,并且还会添加一个看起来无害的“图形”部分,包含获取运行恶意广告所需的所有信息和文件的说明。

攻击者的所有手段都是为了生成“点击收入”,即使应用本身并未正常运行,只要受感染用户点击了就会为其带来相关资金收入。

上图是一些用于传递垃圾广告的恶意应用程序。这些“伪装”的应用程序极具通用性,所以用户在下载时会比较随意,谨慎性不够就很容易中招。

SophosLabs 的研究人员表示,这个被称为 Andr / HiddnAd-AJ 的恶意软件至少已经感染了至少一百万用户(有更可能更多),其中一个应用的下载量甚至超过了 50 万次。

在发现这些恶意应用程序的第一时间,Sophos 就向谷歌发出了通知,谷歌现在已经从 Play 商店删除了这些应用程序。

尽管谷歌还未发现这些应用程序的恶意特性,但 Sophos 建议,Android 用户最好从 Play 商店下载应用,因为这比从第三方 Android 应用程序商店下载要安全得多。而且通过 Play 商店下载,如果恶意应用漏洞百出,用户还可以帮助 Google 提醒威胁的存在。

Sophos 高级技术专家 Paul Ducklin 表示,“如果你在 Play 商店发现一款恶意软件,根据计算机安全原则,即使只对其中一人造成了伤害,也是值得报告的。”毕竟,如果报告有助于说服 Google 删除违规应用程序,那么这很好的防止了其他人下载它。

对此次的恶意软件问题,Google 方面并未有任何回应。 

但是,在 Google 的最近一份报告中提到,事实上 99%的应用程序都含有恶意内容,但是绝大多数用户仍然是可以安全使用恶意软件的。尽管如此,如果用户群体规模巨大,那么就算只有一小部分恶意应用程序通过网络无意中招,也会导致数百万用户利益受损。

参考链接:

  • http://www.zdnet.com/article/android-malware-found-inside-apps-downloaded-500000-times/

  • https://www.engadget.com/2018/03/26/android-malware-in-qr-code-apps/

  • https://www.digitaltrends.com/mobile/qr-reader-malware-google-play/

————— 推荐阅读 —————

点击图片即可阅读

内容概要:本文详细介绍了一个基于Java和Vue的联邦学习隐私保护推荐系统的设计与实现。系统采用联邦学习架构,使用户数据在本地完成模型训练,仅上传加密后的模型参数或梯度,通过中心服务器进行联邦平均聚合,从而实现数据隐私保护与协同建模的双重目标。项目涵盖完整的系统架构设计,包括本地模型训练、中心参数聚合、安全通信、前后端解耦、推荐算法插件化等模块,并结合差分隐私与同态加密等技术强化安全性。同时,系统通过Vue前端实现用户行为采集与个性化推荐展示,Java后端支撑高并发服务与日志处理,形成“本地训练—参数上传—全局聚合—模型下发—个性化微调”的完整闭环。文中还提供了关键模块的代码示例,如特征提取、模型聚合、加密上传等,增强了项目的可实施性与工程参考价值。 适合人群:具备一定Java和Vue开发基础,熟悉Spring Boot、RESTful API、分布式系统或机器学习相关技术,从事推荐系统、隐私计算或全栈开发方向的研发人员。 使用场景及目标:①学习联邦学习在推荐系统中的工程落地方法;②掌握隐私保护机制(如加密传输、差分隐私)与模型聚合技术的集成;③构建高安全、可扩展的分布式推荐系统原型;④实现前后端协同的个性化推荐闭环系统。 阅读建议:建议结合代码示例深入理解联邦学习流程,重点关注本地训练与全局聚合的协同逻辑,同时可基于项目架构进行算法替换与功能扩展,适用于科研验证与工业级系统原型开发。
源码来自:https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

优快云资讯

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值