CenterYou: A cloud-based Approach to Simplify Android Privacy Management
随着移动应用程序和相关服务变得越来越受欢迎，人们对私人数据泄露的担忧也越来越多。以前对这组众所周知的问题的解决方案已经从头开始，但是需要重写操作系统，这是不必要的和繁重的。在这项工作中，我们提出了一个框架来克服这些问题，通过应用伪数据技术和基于云的决策系统来识别潜在的隐私泄露。
2020-08-31 cs.CR cs.IR
Analyzing Use of High Privileges on Android: An Empirical Case Study of Screenshot and Screen Recording Applications
Android智能手机和平板电脑用户的数量在过去几年中经历了快速增长，这提高了用户对移动设备隐私和安全的认识。Android的开放性和可扩展性使其具有独特性、吸引力和竞争力，但同时也容易受到恶意攻击。有很多用户为他们的Android设备提供一些有用的功能，这些功能最初并不提供给开发人员和用户，例如备份和截图。然而，在观察到root设备的危险之后，开发人员开始寻找其他非root替代方案来实现这些功能。ADB解决方案是帮助应用程序在Android上获得更高权限的最知名的非root替代方案之一。在这个项目中，我们设计了一种方法，并实现了几个工具来检测Android应用程序中的权限泄漏。我们应用它们来分析三个拥有数百万用户的真实应用程序，并成功地识别出三个ADB权限泄漏。此外，我们还在一个应用程序中利用ADB特权，因此我们证明了ADB解决方案中存在漏洞。基于我们的研究，我们提出了一些建议，以帮助开发人员创建他们的应用程序，不仅可以满足用户的需求，但也保护用户的隐私，从类似的攻击在未来。
2022-11-01 cs.CR
DroidAnalytics: A Signature Based Analytic System to Collect, Extract, Analyze and Associate Android Malware
智能手机和移动设备正迅速成为许多用户不可或缺的设备。不幸的是，它们也成为黑客部署恶意软件和传播病毒的肥沃土壤。有一个迫切需要有一个“安全分析和取证系统”，可以方便分析师检查，解剖，关联和关联大量的移动应用程序。一个有效的分析系统需要解决以下问题：如何自动收集和管理大量的移动恶意软件？如何分析零日可疑应用程序，并将其与数据库中现有的恶意软件家族进行比较或关联？如何执行信息检索以揭示与现有恶意软件相似的恶意逻辑，并快速识别新的恶意代码段？在本文中，我们提出了DroidAnalytics的设计和实现，基于签名的分析系统，自动收集，管理，分析和提取Android恶意软件。该系统便于分析人员在“操作码级别”检索、关联和揭示恶意逻辑。我们使用150，368个Android应用程序证明了DroidAnalytics的有效性，并成功确定了来自102个不同家族的2，494个Android恶意软件，其中342个是来自6个不同家族的零日恶意软件样本。据我们所知，这是第一个报告的案例，显示了如此大的Android恶意软件分析/检测。评估表明DroidAnalytics是一个有价值的工具，在分析恶意软件重新包装和突变方面非常有效。
2013-09-23 cs.CR
BPFroid: Robust Real Time Android Malware Detection Framework
我们提出了BPFroid --一个新的Android动态分析框架，它使用Linux内核的eBPF技术来连续监视在真实设备上运行的用户应用程序的事件。所监视的事件是从Android软件堆栈的不同组件收集的：内部内核函数、系统调用、本机库函数和Java API框架。由于BPFroid在内核中挂钩了这些事件，恶意软件无法轻易绕过监控。此外，使用eBPF不需要对Android系统或监控的应用程序进行任何更改。我们还将BPFroid与其他恶意软件检测方法进行了分析比较，并通过开发新的签名来检测基于它的可疑行为来展示其用途。然后使用真实应用程序对这些签名进行评估。我们还演示了如何BPFroid可以用来捕捉法医文物作进一步调查。我们的研究结果表明，BPFroid成功地在实时的报警时，一个可疑的行为签名被检测到，而不会产生显着的运行时性能开销。
2021-05-29 cs.CR
An Approach for the Identification of Information Leakage in Automotive Infotainment systems
数字化世界的进步彻底改变了汽车行业。今天的现代汽车配备了互联网，可以提供自动驾驶功能的计算机以及可以运行移动操作系统的信息娱乐系统，如Android Auto和Apple CarPlay。Android Automotive是谷歌的Android操作系统，专为在车辆的信息娱乐系统上本地运行而定制，它允许第三方应用程序在车辆的信息娱乐系统上安装和运行。此类应用程序可能会引发与用户安全、安保和隐私相关的安全问题。本文研究了车载应用程序的安全问题，特别是与这些应用程序之间的组件间通信（ICC）相关的问题。ICC允许应用程序通过称为Intent的消息传递对象，通过应用程序内部或内部组件共享信息。如果通信不安全，Intent可能会被恶意应用程序劫持或欺骗，用户的敏感信息可能会泄露到黑客的数据库中。我们调查了这些应用程序中的攻击面和漏洞，并提供了一个静态分析方法和一个工具来发现数据泄漏漏洞。该方法还可以提供减轻这些泄漏的提示。我们通过分析从Google Play商店下载的一组Android Auto应用程序来评估我们的方法，并报告我们对这些应用程序上识别的漏洞的验证结果。
2020-11-08 cs.CR cs.SE
Malware Detection Approach for Android systems Using System Call Logs
基于特征码的静态检测技术被广泛应用于Android平台的恶意应用检测。通过从测试数据中提取特征码，并将测试数据与病毒样本和良性样本的特征码样本进行比较，可以准确地检测出恶意软件。然而，这种方法通常无法检测未知的恶意软件应用程序。这是因为，有时候，机器码可以转换成汇编代码，这可以很容易地阅读和理解的人。此外，攻击者可以理解汇编指令，并从中了解程序的功能。因此，我们专注于观察恶意软件在主机系统上实际运行时的行为。应用程序的动态行为是由最后的系统调用序列进行的。因此，我们观察每个应用程序的系统调用日志，将其用于构建数据集，并最终使用该数据集将未知应用程序分类为恶意或良性。
2017-09-26 cs.CR
Tackling Android Stego Apps in the Wild
数字图像取证是一个年轻但成熟的领域，包括相机识别，伪造图像检测和隐写分析等关键领域。然而，学术成果和实践法医分析师使用的应用程序之间存在很大的差距。为了使学术发现更接近现实世界的实现，使用代表“野外”场景的数据非常重要。为了检测从隐写术应用程序创建的隐写图像，从这些应用程序生成的图像是理想的使用。在本文中，我们介绍了我们的工作，从移动应用程序使用两种不同的方法进行steg检测图像：“签名”检测，和机器学习方法。ML任务的一个主要挑战是从不同的应用程序中创建大量具有一定嵌入率的隐写图像。我们的主要贡献之一是使用Android模拟器和逆向工程技术生成一个大型图像数据库的过程。我们开发用于隐写应用程序的签名检测的算法和工具，并为创建ML分类器时遇到的问题提供解决方案。
2018-08-01 cs.CR
A Case Study of Intra-library Privacy Issues on Android GPS Navigation Apps
Android不受限制的应用程序市场具有开源性质，使其成为全球数百万智能设备上第三方应用程序的流行平台。具有广泛API（包括访问手机硬件、设置和用户数据）的应用程序的巨大增长引发了对用户隐私的担忧，因为从应用程序收集的信息可能用于分析目的。在这方面，本文侧重于地理定位数据和分析五个GPS应用程序，以确定隐私风险，如果没有适当的保障措施。我们的研究结果表明，GPS导航应用程序可以访问几种类型的设备数据，同时它们可能允许个人数据泄露给第三方，如图书馆提供商或跟踪服务，而不向用户提供足够或准确的信息。此外，由于他们使用的是第三方图书馆，他们遭受了图书馆内勾结的问题，这可能会被广告和分析公司通过应用程序利用，并在未经用户明确同意的情况下收集大量个人信息。
2021-09-08 cs.CR
Automated Synthesis of Semantic Malware Signatures using Maximum Satisfiability
本文提出了一种从恶意软件家族的极少数样本中自动学习Android语义恶意软件签名的技术。我们的技术的关键思想是寻找一个最大的可疑公共子图（MSCS）之间共享的恶意软件家族的所有已知实例。MSCS根据组件间调用关系及其语义元数据（例如，数据流属性）。我们的方法确定这样的最大可疑的公共子图减少问题的最大可满足性。一旦语义签名被学习，我们的方法使用的组合静态分析和一个新的近似签名匹配算法，以确定Android应用程序是否匹配的语义签名表征一个给定的恶意软件家族。我们已经实现了我们的方法，在一个名为ASTROID的工具，并表明它具有许多优势，超过国家的最先进的恶意软件检测技术。首先，我们将ASTROID自动合成的语义恶意软件签名与以前工作中使用的手动编写的签名进行比较，并表明ASTROID学习的签名在准确性和精度方面表现更好。其次，我们比较ASTROID对两个国家的最先进的恶意软件检测工具，并证明其优势的可解释性和准确性。最后，我们证明了ASTROID的近似签名匹配算法是抵抗行为混淆，它可以用来检测零日恶意软件。特别是，我们能够在Google Play中找到22个零日恶意软件实例，这些实例未被现有工具报告为恶意软件。
2017-06-16 cs.CR
On labeling Android malware signatures using minhashing and further classification with Structural Equation Models
Universidad Carlos III de Madrid（马德里卡洛斯三世大学）；Telefónica Digital Identity & Privacy（西班牙电信数字身份与隐私部门）
多扫描程序防病毒系统提供有关可疑应用程序性质的深入信息;然而，不同的防病毒引擎之间往往缺乏共识和一致性。在这篇文章中，我们分析了超过25万恶意软件签名生成的61个不同的反病毒引擎后，分析了82万不同的Android恶意软件应用程序。我们确定了41种不同的恶意软件类别，分为三大类，即广告软件，有害威胁和未知或通用签名。我们进一步调查这41类之间的关系，使用社区发现算法从图论中识别它们之间的相似性，我们最后提出了一个结构方程模型，以确定哪些反病毒引擎更强大的检测每个宏类别。作为一个应用程序，我们展示了这些模型如何帮助识别未知恶意软件应用程序是否更有可能是有害的或广告软件类型。
2017-09-13 cs.AI cs.CR stat.ML
Ripple: Reflection Analysis for Android Apps in Incomplete Information Environments
尽管反射在Android应用程序中广泛使用，但它给静态安全分析带来了严重的问题。目前，字符串推理被应用于处理反射，导致严重遗漏的安全漏洞。在本文中，我们提出了Android应用程序的不完整信息环境（IIE）的普遍性，其中一些关键的数据流在静态分析过程中丢失，并需要解决IIE下的反射调用。我们介绍了Ripple，这是第一个针对Android应用程序的IIE感知静态反射分析，它比字符串推理更好地解决了反射调用。使用Google Play中的17个流行Android应用程序进行验证，证明了Ripple在发现反射目标方面的有效性，误报率较低。因此，Ripple启用了FlowDroid，这是一种针对Android应用程序的污点分析，可以找到数百个敏感数据泄漏，否则这些数据可能会被遗漏。作为一种基础分析，Ripple对许多安全分析客户端都很有价值，因为现在可以在IIE下分析更多的程序行为。
2016-12-16 cs.CR cs.SE
FlowIntent: Detecting Privacy Leakage from User Intention to Network Traffic Mapping
移动设备的指数增长引发了对敏感数据泄露的担忧。在本文中，我们第一次尝试从用户的角度来识别可疑的位置相关的HTTP传输流，通过回答这个问题：传输是用户的意图？与以前主要依赖于一组给定的可疑主机名的网络级检测方案相比，我们的方法可以更好地适应应用程序市场的快速增长和不断演变的泄漏模式。另一方面，与现有的系统级检测方案相比，建立在程序污点分析，其中所有敏感的传输被视为非法的，我们的方法更好地满足用户的需求，更容易部署。特别是，我们的概念验证实现（FlowIntent）捕获了TaintDroid（Android平台上最先进的动态污点分析系统）遗漏的敏感传输。使用从20，000多个应用程序中收集的1002个位置共享实例进行评估表明，我们的方法在检测非法位置传输方面达到了约91%的准确率。
2016-07-25 cs.CR
Static Attribution of Android Residential Proxy Malware Using Graph Kernels
Iowa State University（爱荷华州立大学）；Sandia National Laboratories（桑迪亚国家实验室）；Milwaukee School of Engineering（密尔沃基工程学院）
本文提出一种自动化代理软件家族归因方法，通过提取控制流图和函数调用图等图结构表示及行为特征，利用图核特征和二进制能力向量提升分类性能，实现对恶意软件的高准确率归因。
2026-04-30 cs.CR
ARMOUR US: Android Runtime Zero-permission Sensor Usage Monitoring from User Space
本文提出 ARMOUR 用户空间运行时监控方法，利用 Android 采样率变化与收敛行为检测零权限传感器访问，在 1,448 个商业应用上验证其有效性并揭示传感器滥用模式。
2025-07-02 cs.CR
An Empirical Study on Android for Saving Non-shared Data on Public Storage
Android拥有数百万个可从官方或第三方市场下载的应用程序，已成为当今最受欢迎的移动平台之一。这些应用程序以各种方式帮助人们，因此可以访问大量用户数据，这些数据通常分为三类：敏感数据，与其他应用程序共享的数据以及不与他人共享的非敏感数据。对于第一种和第二种类型的数据，Android提供了非常好的存储模型：应用程序的私人敏感数据保存到其私人文件夹中，只能由应用程序本身访问，而要共享的数据保存到公共存储（外部SD卡或内部闪存上的模拟SD卡区域）。但对于最后一种类型，即，应用程序的非敏感和非共享数据，Android当前的存储模式存在一个大问题，它基本上鼓励应用程序将其非敏感数据保存到其他应用程序可以访问的共享公共存储。乍一看，这样做似乎没有问题，因为这些数据毕竟是不敏感的，但它隐含地假设应用程序开发人员可以正确识别所有敏感数据，并防止所有可能的信息泄漏私人但非敏感数据。在本文中，我们将通过对遵循Android推荐的非敏感数据存储模型的应用程序的信息泄漏进行彻底调查来证明这是一个无效的假设。我们的研究表明，来自数十亿用户的高度敏感信息可以很容易地通过利用上述有问题的存储模型进行黑客攻击。虽然我们的实证研究是基于一组有限的应用程序，但所发现的问题从来不是孤立的，也不是正在调查的应用程序的偶然错误。相反，问题的根源在于Android推荐的易受攻击的存储模型。为了减轻威胁，我们还提出了一个防御…
2014-11-10 cs.CR
Danger is My Middle Name: Experimenting with SSL Vulnerabilities in Android Apps
本文介绍了一个流行的Android应用程序中的信息泄漏和SSL漏洞的测量研究。我们对100个应用程序执行静态和动态分析，这些应用程序下载了至少1000万次，要求完全网络访问。我们的实验表明，虽然之前的工作已经引起了很多关注SSL在移动平台上的实现，几个流行的应用程序（32/100）接受所有证书和所有主机名，和四个实际上传输敏感数据未加密。我们建立了一个模拟中间人攻击的实验测试平台，发现许多应用程序（当对手在受害者的设备上安装了证书时，高达91%）是脆弱的，允许攻击者访问敏感信息，包括凭据，文件，个人详细信息和信用卡号码。最后，我们为应用程序开发人员提供了一些建议，并强调了几个开放的研究问题。
2015-05-04 cs.CR cs.SE
Executing Arbitrary Code in the Context of the Smartcard System Service
这份报告总结了我们关于在几个Android设备上部署的开放移动API实现中存在严重缺陷的调查结果。该漏洞允许将来自特制Android应用程序包（APK）的任意代码注入Android系统服务组件（Open Mobile API实现的中间件组件）并由其执行。可以利用此漏洞来获得提升的功能，例如受分配给此服务的签名级和系统级权限保护的权限。受影响的源代码似乎来自SEEK-for-Android开源项目，并被各种特定于供应商的开放移动API实现所采用，包括Nexus 6（自Android 5.1版）上使用的API。
2016-01-21 cs.CR
Expecting (Targeted Ads)? Network Analysis of User Health Data Leakage in Fertility Tracking Apps
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；North Carolina Statae University（北卡罗来纳州立大学）
通过对20款Android生育追踪应用的网络测量，发现部分应用存在显式或隐式的用户健康数据泄露给第三方广告服务，同时也有应用在无泄露情况下使用广告变现。
2026-07-01 cs.CR
LRCoin: Leakage-resilient Cryptocurrency Based on Bitcoin for Data Trading in IoT
目前，构成物联网（IoT）的物联网（IoT）设备数量超过110亿，并且这个数字一直在不断增加。这些设备的流行导致了一种新兴的物联网业务模式，称为设备即服务（DaaS），它使传感器设备能够收集传播到所有感兴趣设备的数据。与其他设备共享数据的设备可以获得一些经济奖励，例如比特币。然而，侧信道攻击（其旨在利用在数据交易执行期间从物联网设备泄漏的一些信息）是可能的，因为大多数物联网设备容易被黑客攻击或受到损害。因此，由于信息泄露，例如泄露用于在比特币系统中签署比特币交易的私钥，在IoT环境中安全地实现数据交易是具有挑战性的。在本文中，我们提出了LRCoin，一种基于比特币的泄漏弹性加密货币，其中用于认证比特币交易的签名算法是泄漏弹性的。LRCoin适用于物联网应用等不可避免的信息泄露场景。我们的核心贡献是提出了一个有效的双线性连续泄漏弹性ECDSA签名。在一般双线性群模型下，在连续泄漏的情况下，证明了该签名算法对自适应选择消息攻击是不可伪造的。理论分析和实现都证明了该方案的实用性。
2018-10-26 cs.CR
Finding Vulnerabilities in Mobile Application APIs: A Modular Programmatic Approach
本文提出并实现了一种模块化端点漏洞检测工具，通过自动化修改API请求并启发式分析响应来挖掘移动应用中的安全漏洞，发现超50%的应用存在访问控制失效问题，为开发者提供了开源测试方案。
2023-10-22 cs.CR
Android Malware Detection using Large-scale Network Representation Learning
近年来，随着移动设备和应用的不断发展，恶意软件的数量也在迅速增加，这就需要开发先进有效的恶意软件检测方法。传统的方法，如基于签名的方法，无法保护用户免受越来越多的新型恶意软件或快速恶意软件行为变化的影响。本文提出了一种基于深度学习和静态分析的Android恶意软件检测方法。我们不再只使用应用程序编程接口（API），而是进一步分析Android应用程序的源代码，并创建其更高级别的图形语义，这使得攻击者更难逃避检测。特别是，我们使用一个调用图的方法调用在Android应用程序来表示应用程序，并进一步分析方法属性，形成一个结构化的程序表示图（PRG）与节点属性。然后，我们使用图卷积网络（GCN）通过将整个图嵌入到密集向量中来产生应用程序的图表示，并对其是否是恶意软件进行分类。为了有效地训练这样的图卷积网络，我们提出了一个批量训练方案，允许多个异构图作为一批输入。据我们所知，这是第一个使用图表示学习进行恶意软件检测的工作。我们进行了广泛的实验，从现实世界的样本集合，并证明我们开发的系统优于其他多种现有的恶意软件检测技术。
2018-12-11 cs.CR
From Regression to Prior-Aware Inference: Solving the ILWE Family in Randomness Leakage Attacks against ML-DSA
Nanjing University of Science and Technology（南京理工大学）
针对ML-DSA随机性泄漏攻击中求解器作用探索不足的问题，提出统一框架评估不同恢复求解器，涵盖多种ILWE实例及求解器类型，实验表明求解器对密钥恢复效率影响大，为相关攻击分析提供系统评估和新基准。
2026-07-15 cs.CR
A New Covert Channel over Cellular Voice Channel in Smartphones
调查智能手机中的网络隐蔽通道变得越来越重要，因为智能手机最近取代了传统计算机的角色。智能手机受制于传统的计算机网络隐蔽信道技术。智能手机还引入了新的隐蔽通道技术，因为它们增加了更多的功能和多个网络连接。这项工作提出了一种新的网络隐蔽通道的智能手机。该研究研究了通过到达蜂窝语音流从智能手机应用程序泄漏信息的能力，并检查了通过秘密携带调制的语音类数据来使用蜂窝语音信道作为信息泄漏的潜在介质的能力。为了验证该理论，开发了一个Android软件音频调制解调器，它能够成功地通过蜂窝语音信道流泄漏数据，通过携带调制数据，吞吐量为13 bps，误码率为0.018%。此外，Android的安全策略被调查和破坏，以实现一个用户模式的rootkit，通过悄悄地回答传入的语音呼叫打开语音通道。多个场景进行验证建议的隐蔽通道的有效性。这项研究确定了一个新的潜在的智能手机隐蔽通道，并讨论了Android操作系统中的一些安全漏洞，允许使用这种通道，证明需要设置对策，对这种违反。
2015-06-29 cs.CR
Monet: A User-oriented Behavior-based Malware Variants Detection System for Android
Android是最受欢迎的移动操作系统，拥有约78%的移动市场份额。由于其受欢迎程度，它吸引了许多恶意软件攻击。事实上，人们每季度都发现了大约一百万个新的恶意软件样本，据报道，这些新的恶意软件样本中有超过98%实际上是现有恶意软件家族的“衍生物”（或变体）。在本文中，我们首先表明，恶意软件的核心功能的运行时行为实际上是类似的恶意软件家族。因此，我们提出了一个框架，结合“运行时行为”与“静态结构”来检测恶意软件的变种。我们提出了MONET的设计和实现，它有一个客户端和一个后端服务器模块。客户端模块是一个轻量级的设备内应用程序，用于行为监控和签名生成，我们使用两种新颖的拦截技术实现这一点。后端服务器负责大规模恶意软件检测。我们收集了3723个恶意软件样本和前500个良性应用程序，以进行大量的实验，检测恶意软件变体和防御恶意软件转换。我们的实验表明，MONET在检测恶意软件变体方面可以达到99%左右的准确率。此外，它可以抵御10种不同的混淆和转换技术，而仅产生约7%的性能开销和约3%的电池开销。更重要的是，MONET会自动提醒用户入侵细节，以防止进一步的恶意行为。
2016-12-10 cs.CR
Assessing Privacy Compliance of Android Third-Party SDKs
本研究针对Android第三方SDK隐私保护空白，利用污点分析与大语言模型检测158款常用SDK的数据外泄与隐私合规情况，发现隐私问题普遍且长期未改善，并提出可行建议以保护用户隐私、为监管提供参考。
2025-06-18 cs.CR cs.SE
Using Deep Neural Network for Android Malware Detection
North China Electric Power University（华北电力大学）
Android操作系统的普及，以及几乎所有应用程序的可用性，都可以在官方Google Play商店或十几个替代第三方市场中轻松访问。此外，智能手机在现代生活中的重要作用导致在设备上存储重要信息，不仅是个人信息，还有公司信息，这吸引恶意软件开发人员开发可以渗透用户设备以窃取信息并执行有害任务的应用程序。这伴随着当前防御技术的局限性，例如Google Play商店中的无效筛选，第三方市场中的弱筛选或无筛选。仍然依赖于基于签名的数据库的防病毒软件，该数据库仅在识别已知恶意软件时有效。为了应对日益增长的恶意应用，提出了一种基于深度学习技术的Android恶意软件检测系统。在包含良性和恶意应用程序的真实数据集上进行的大量实验表明，该系统的准确率达到95.31%。
2019-01-16 cs.CR cs.LG
PhotoSafer: Content-Based and Context-Aware Private Photo Protection for Smartphones
如今，许多人将照片存储在智能手机中。许多照片包含敏感的私人信息，如驾驶执照和信用卡的复印件。一个引起关注的隐私问题是安装的应用程序未经授权访问这些私人照片。粗粒度的访问控制系统（如Android权限系统）提供对存储在智能手机上的照片的全有或全无访问，用户不知道已安装应用程序的确切行为。我们的分析发现，在一个流行的Android应用程序商店中，前200个免费应用程序中有82%可以完全访问用户智能手机上存储的照片和网络，这表明可能存在私人照片泄露。此外，我们的用户调查显示，112名受访者中有87.5%不知道某些应用程序可以在不通知用户的情况下访问他们的照片，所有受访者都认为他们智能手机上存储的照片包含不同类型的私人信息。因此，我们提出了PhotoSafer，一个基于内容的，上下文感知的私人照片保护系统的Android手机。PhotoSafer可以利用经过良好训练的深度卷积神经网络，根据照片内容检测私人照片，并根据系统状态（例如，屏幕锁定与否）和应用程序运行状态（例如，App在后台）。评估表明，PhotoSafer可以实时的准确识别私人照片。所实现的原型系统的功效和效率显示了实际使用的潜力。
2018-10-02 cs.CR
PrivacyProxy: Leveraging Crowdsourcing and In Situ Traffic Analysis to Detect and Mitigate Information Leakage
许多智能手机应用程序传输个人身份信息（PII），通常在用户不知情的情况下。为了解决这个问题，我们提出了PrivacyProxy，一个监控出站网络流量并生成应用程序特定签名以表示共享的敏感数据的系统。PrivacyProxy使用基于人群的方法，通过匿名组合来自同一应用程序的不同用户的签名，以自适应和可扩展的方式检测可能的PII。此外，我们不观察用户的网络流量，而是依赖于散列签名。我们提出了PrivacyProxy的设计和实施，并评估它与实验室研究，现场部署，用户调查，并与以前的工作进行比较。我们的现场研究表明，PrivacyProxy可以自动检测PII，F1得分为0.885。PrivacyProxy在500个最受欢迎的应用程序的对照实验中也获得了0.759的F1分数。F1得分也提高到0.866，其中40个应用程序最初具有最多的误报，并添加了额外的训练数据。我们还显示，使用PrivacyProxy的性能开销在8.6%到14.2%之间，略高于使用标准未修改的VPN，大多数用户报告对电池寿命或网络没有明显的影响。
2018-10-26 cs.CR
Watch Out! Smartwatches as criminal tool and digital forensic investigations
本文揭示无智能手机场景下利用智能手表文件传输和相机控制实施信息泄露的犯罪机制，并给出相应取证调查方法与主动防范措施。
2023-08-17 cs.CR
AiDroid: When Heterogeneous Information Network Marries Deep Neural Network for Real-time Android Malware Detection
West Virginia University（西弗吉尼亚大学）；Tencent（腾讯）
Android恶意软件的爆炸式增长和日益复杂化要求新的防御技术能够保护移动用户免受新的威胁。本文首先从Android应用中提取运行时应用程序编程接口（API）调用序列，然后分析生态系统内的高层语义关系，全面表征应用程序。要对不同类型的实体建模（即，应用、API、IMEI、签名、关联）以及它们之间丰富的语义关系，构造了一个结构化异构信息网络（HIN），并提出了基于元路径的方法来刻画应用之间的关联性。为了有效地对节点进行分类（例如，apps）在构造的HIN中，我们提出了HinLearning方法，首先获得样本内节点嵌入，然后学习样本外节点的表示，而无需在第一次尝试时重新运行/调整HIN嵌入。之后，我们设计了一个深度神经网络（DNN）分类器，将学习到的HIN表示作为Android恶意软件检测的输入。通过腾讯安全实验室的大规模真实样本集进行了全面的实验研究，以比较各种基线。实验结果表明，我们开发的系统AiDroid集成了我们提出的方法，在实时的【形】Android恶意软件检测方面优于其他系统。AiDroid已经被纳入腾讯移动安全产品，服务于全球数百万用户。
2019-05-20 cs.CR cs.LG
NL2GDPR: Automatically Develop GDPR Compliant Android Application Features from Natural Language
Baidu Research（百度研究院）
最近的隐私泄露事件和更严格的政策法规要求公司和移动应用程序的合规标准要高得多。然而，这些义务也给应用程序开发人员带来了重大挑战，他们需要遵守这些包含各种观点、活动和角色的法规，特别是对于在这方面经验较少或资源有限的小公司和开发人员。为了解决这些障碍，我们开发了一个自动工具NL2GDPR，它可以从开发人员的自然语言描述中生成策略，同时还确保应用程序的功能符合通用数据保护条例（GDPR）。NL2 GDPR是利用百度认知计算实验室开发的信息抽取工具OIA（Open Information Annotation）开发的。NL2GDPR的核心是一个以隐私为中心的信息抽取模型，并附加了GDPR策略查找器和策略生成器。我们进行了全面的研究，以掌握在提取以隐私为中心的信息和生成隐私政策的挑战，同时利用优化这一特定的任务。借助NL2GDPR，我们可以分别实现92.9%、95.2%和98.4%的准确率，正确识别与个人数据存储、处理和共享类型相关的GDPR政策。据我们所知，NL2GDPR是第一个允许开发人员自动生成GDPR合规策略的工具，只需要输入自然语言来描述应用程序功能。请注意，其他非GDPR相关功能可能与生成的功能集成，以构建复杂的应用程序。
2022-08-29 cs.CL cs.CR
Content-based data leakage detection using extended fingerprinting
保护敏感信息不被未经授权的泄露是每个组织的主要关注点。作为一个组织的员工需要访问这些信息，以开展他们的日常工作，数据泄漏检测是一个必不可少的和具有挑战性的任务。无论是由恶意还是无意的错误造成的，数据丢失都可能对组织造成重大损害。指纹技术是一种基于内容的数据泄漏检测方法。在指纹识别中，提取已知机密内容的签名并将其与传出内容进行匹配，以便检测敏感内容的泄漏。然而，现有的指纹识别方法受到两个主要限制。首先，可以通过对机密内容的改写（或微小修改）来绕过指纹识别，其次，通常对文档的整个内容（包括非机密部分）进行指纹识别，从而导致错误警报。在本文中，我们提出了一个扩展的指纹识别方法，是基于排序k-skip-n-gram。所提出的方法是能够产生指纹的核心机密内容，忽略不相关（非机密）部分。此外，所提出的指纹方法对改写更鲁棒，并且还可以用于检测先前看不见的机密文档，因此提供对故意泄漏事件的更好检测。
2013-02-08 cs.CR
Andro-Simnet: Android Malware Family Classification Using Social Network Analysis
在移动设备的快速适应性使我们的日常生活变得更加便利的同时，来自恶意软件的威胁也在增加。针对恶意软件检测的研究很多，但大多数都采用基于特征码的恶意软件检测方法，容易被多态和变形恶意软件绕过。为了检测恶意软件及其变种，必须采用基于行为的检测来进行有效的恶意软件分类。本文提出了一种系统，分类恶意软件，通过使用共同的行为特征，以及恶意软件的家庭。我们衡量恶意软件家族之间的相似性，精心挑选的功能通常出现在同一个家庭。利用所提出的相似性度量，我们可以根据恶意软件的攻击行为模式和战术特征对恶意软件进行分类。此外，我们应用社区发现算法来提高每个恶意软件家族网络聚合中的模块化程度。为了保持高的分类精度，我们提出了一个过程，以获得建议的相似性度量中的选定功能的最佳权重。在此过程中，我们找出哪些特征对于表示恶意软件样本之间的相似性是重要的。最后，我们提供了一个直观的图形可视化的恶意软件样本，这是有助于了解恶意软件网络的分布和相似性。在实验中，所提出的系统实现了97%的恶意软件分类准确率和95%的预测准确率通过K折交叉验证使用真实的恶意软件数据集。
2019-06-22 cs.CR
A Case of Collusion: A Study of the Interface Between Ad Libraries and their Apps
Android上的广告库越来越令人担忧的是，它们能够从主机应用程序中泄露个人信息。虽然以前的工作已经研究了库自己测量私人信息的能力，但广告库还包括API，通过这些API，主机应用程序可以故意泄露有关用户的私人信息。这项研究考虑了114，000个应用程序的语料库。我们重构了语料库中使用的103个广告库的API，并研究了应用程序如何使用前20个广告库中的隐私泄露API。值得注意的是，我们发现应用程序的受欢迎程度与隐私泄露相关;广告收入的边际增长，在更大的用户基础上成倍增加，似乎激励这些应用程序供应商侵犯用户的隐私。
2013-07-23 cs.CR
A Permission-Dependent Type System for Secure Information Flow Analysis
我们介绍了一种新的类型系统强制执行安全的信息流在一个命令式语言。我们的工作是出于静态检查潜在的信息泄漏在Android应用程序的问题。为此，我们设计了一个具有Android权限模型的轻量级类型系统，其中权限静态分配给应用程序并用于在应用程序中实施访问控制。我们从Banerjee和Naumann（BN）的类型系统中获得灵感，允许安全类型依赖于应用程序的权限。我们的类型系统的一个新功能是由权限测试引起的条件分支的类型规则，它引入了一个合并运算符的安全类型，允许更精确的安全策略被强制执行。我们的类型系统的可靠性证明了关于不干涉的概念。此外，通过将推理问题归结为安全类型格中的约束求解问题，给出了一个安全类型系统的类型推断算法。
2017-09-27 cs.CR cs.PL
Secure User-friendly Blockchain Modular Wallet Design Using Android & OP-TEE
针对传统钱包私钥泄露与互操作性危机，本文提出基于OP-TEE的模块化TEE架构，将密钥管理作为平台服务，实现逐链模块热更新与硬件锚定安全，弥合安全与可用性鸿沟。
2025-06-22 cs.CR
MIRANDA: short signatures from a leakage-free full-domain-hash scheme
Inria and Laboratoire LIX, École Polytechnique（法国国家信息与自动化研究所与巴黎综合理工学院LIX实验室）；XLIM, University of Limoges（利摩日大学XLIM实验室）；IRMAR, University of Rennes（雷恩大学IRMAR实验室）
提出首个基于矩阵码的全域哈希签名族 Miranda，利用简单通用陷门避免拒绝采样，实现 128 位安全下 90 字节签名和 2.6MB 公钥。
2026-10-14 cs.CR cs.IT math.IT
Detection of Information leakage in cloud
最近的研究表明，共享单个物理主机的不同VM中的串通恶意软件可能会使用资源作为泄漏关键信息的通道。隐蔽通道利用时间或存储特性将机密信息传递给攻击者，不留任何痕迹。这些通道不用于通信，因此不存在控制机制。这意味着网络中防火墙等采用的传统安全措施仍然无法检测到这些漏洞。针对这一问题的全面调查强调，在云中进行快速检测的准确方法在存储和处理方面非常昂贵。该框架通过提取特征来构建签名，这些特征可以准确地将云计算中的常规流量与隐蔽流量进行分类，并通过分数来估计分析数据的分布差异。然后，它将上下文添加到签名中，最后使用机器学习（支持向量机），构建并训练模型以在云中部署。结果表明，该框架具有较高的准确性，同时具有较低的成本和鲁棒性，因为它是在添加了公共云环境中可能存在的噪声后进行测试的。
2015-11-06 cs.CR cs.DC
A-Live: Passive Liveness Detection via Neuromuscular Micro-Motion Signatures on Commodity Sensors
Aerendir Mobile Inc.（Aerendir移动公司）
提出A-Live框架，利用商用设备中的惯性测量单元（IMU）信号，通过神经肌肉微动特征实现无源活体检测，在Android和iOS设备上达到99.5%以上的准确率。
2026-06-03 cs.CR
Cryptanalysis of a One-Time Code-Based Digital Signature Scheme
我们考虑一个一次性的数字签名计划最近提出的Reichetti和表明，一个成功的密钥恢复攻击可以安装有限的复杂性。我们提出的攻击利用了攻击者截获的单个签名，并依赖于对这样的签名进行的统计分析，然后进行信息集解码。我们评估的攻击的复杂性，并表明，完全恢复的秘密密钥可以执行的工作因素是远远低于声称的安全级别。攻击的效率是由签名的稀疏性所激发的，这导致关于秘密密钥的显著信息泄漏。
2019-01-23 cs.CR cs.IT math.IT
A prior-free blind detection of information leakage from model predictions
Center for Molecular Cardiology, University of Zurich（苏黎世大学分子心脏病学中心）；Center for Complexity Sciences, National University of Mexico（墨西哥国立自治大学复杂性科学中心）
针对机器学习模型输出中信息泄露的检测问题，提出决策理论框架，证明校准泄露与诚实模型不可区分，但近确定性子组可被无先验检测，并在UK Biobank上验证。
2026-06-11 cs.CR cs.LG
Enabling Strong Privacy Preservation and Accurate Task Allocation for Mobile Crowdsensing
移动群体感知使一群人使用他们的移动设备合作收集关于特殊兴趣客户的社会事件和现象的数据。它可以降低传感器部署的成本，并通过人工智能提高数据质量。为了提高数据可信度，服务提供商必须根据移动用户的个人特征招募移动用户，例如，移动模式和信誉，但它会导致移动用户的隐私泄漏。因此，如何解决用户隐私与任务分配之间的矛盾是移动众测中的一个挑战。在本文中，我们提出了SPOON，一个强大的隐私保护的移动众测计划，支持准确的任务分配从地理信息和信用点的移动用户。在SPOON中，服务提供商能够根据移动用户的位置招募移动用户，并根据他们的信任级别选择适当的传感报告，而不会侵犯用户隐私。通过代理重加密和BBS+签名，保护传感任务和报告匿名，以防止隐私泄漏。此外，引入了一种隐私保护的信用管理机制，实现了分散的信任管理和安全的移动用户的信用证明。最后，我们展示了SPOON的安全性，并证明了它的计算和通信效率。
2018-06-11 cs.CR
Pre-Characterization of Electromagnetic Side-Channel Leakage Using Publicly Available Information: A Case Study on E-Voting Interfaces
Federal University of Technology Paraná（巴拉那联邦技术大学）
本研究通过模拟巴西电子投票机（BVM）的VGA接口，利用公开信息分析其电磁辐射特征，发现高对比度、少信息量等设计特点导致独特的频谱特征，可在墙外被检测到，揭示了TEMPEST攻击的潜在风险。
2026-05-31 cs.CR cs.CY eess.SP
The Medium is the Message: How Secure Messaging Apps Leak Sensitive Data to Push Notification Services
本研究调查21款安卓安全通讯应用的FCM推送通知数据泄露情况，发现超半数应用泄露元数据甚至消息内容且未在隐私声明披露，现有缓解策略不成体系，指出需通过调整激励机制推动平台默认保障系统安全隐私。
2024-07-15 cs.CR
Quire: Lightweight Provenance for Smart Phone Operating Systems
智能手机应用程序通常以访问网络和敏感本地资源的完全权限运行，这使得远程系统很难信任它们接收的网络连接的来源。即使在手机内，具有不同权限的不同应用程序也可以相互通信，允许一个应用程序欺骗另一个应用程序不正确地行使其权限（混淆代理攻击）。在Quire中，我们在Android中设计了两种新的安全机制来解决这些问题。首先，我们跟踪IPC的调用链，允许应用程序选择使用其调用者的权限减少或显式地代表自己进行操作。其次，轻量级签名方案允许任何应用程序创建签名声明，该声明可以在手机内的任何地方进行验证。这两种机制都反映在网络RPC中，允许远程系统在进行RPC时看到电话的状态。我们用两个示例应用程序展示了Quire的实用性。我们构建了一个广告服务，与想要显示广告的应用程序截然不同，它可以验证从其主机传递给它的点击。我们还构建了一个支付服务，允许应用程序发出请求，支付服务与用户进行验证。应用程序不能通过直接连接到远程服务器来伪造支付请求，本地支付服务也不能篡改请求。
2011-02-11 cs.CR
Hijacking Text Heritage: Hiding the Human Signature through Homoglyphic Substitution
Department of Computer Science and Engineering, Mississippi State University（计算机科学与工程系，密苏里州立大学）
本文研究通过同形替代技术削弱 stylometry 系统，探讨如何在文本中隐藏个人身份信息以防止身份泄露。
2026-06-23 cs.CL cs.CR cs.IR
Anonymization-Enhanced Privacy Protection for Mobile GUI Agents: Available but Invisible
Tsinghua University（清华大学）
本文提出一种基于匿名化的隐私保护框架，通过检测敏感UI内容并替换为非识别性占位符，实现敏感信息在任务执行中可用但不可见，减少隐私泄露同时保持代理的无缝使用。
2026-04-26 cs.AI cs.CR
