Exploring Runtime Evolution in Android: A Cross-Version Analysis and Its Implications for Memory Forensics
Louisiana State University(路易斯安那州立大学)
本文研究了Android运行时结构的演变,揭示其对内存取证工具的影响,并提出混合方法以提升适应性与可靠性。
2025-12-20 cs.CR
Forensic Analysis of Instant Messenger Applications on Android Devices
本文重点对Android手机上WhatsApp和Viber两个广泛使用的IM应用程序进行取证数据分析。测试和分析的目的是确定什么数据和信息可以在设备的内部存储器上找到即时通讯工具,如聊天消息日志和历史发送和接收的图像或视频文件等实验和结果表明,大量的潜在证据和有价值的数据可以在Android手机上发现法医调查。
2013-04-17 cs.CR cs.CY
Assessing the Forensic Viability of Android Memory Analysis Across Production Builds: A Cross-Version Study of Security Hardening and Structure Preservation
Florida Institute of Technology(佛罗里达理工学院)
研究安卓跨版本安全强化对内存分析取证可行性的影响,利用安卓8到15的Pixel工厂镜像二进制文件测量差距,发现虽符号等信息减少,但关键结构仍完整,运行时入口点可定位,为安卓内存取证提供参考。
2026-07-16 cs.CR
Forensics Analysis of Android Mobile VoIP Apps
互联网协议语音(VoIP)应用程序(app)为用户提供了方便且低成本的手段来实时地彼此通信和共享信息。这些应用程序的受欢迎程度与日俱增,人们产生并分享了大量数据,包括他们的个人和敏感信息。这可能会导致一些隐私问题,例如泄露用户联系人,私人消息或个人照片。因此,有必要对这些应用程序进行最新的取证了解。本章分析了Google Play商店中三种流行的移动VoIP(mVoIP)应用程序的有价值的残留物,即Viber,Skype和WhatsApp Messenger,以确定这些应用程序在多大程度上揭示了有关用户活动的有价值的信息。我们对智能手机设备上的这三个mVoIP应用程序进行了彻底的调查研究。我们的实验结果表明,几个文物,如消息,联系方式,电话号码,图像和视频文件,是可恢复的智能手机设备,配备了这些mVoIP应用程序。
2017-09-15 cs.CR
Forensic Analysis of WhatsApp Messenger on Android Smartphones
我们提出了由\textit{WhatsApp Messenger},WhatsApp即时通讯系统的客户端的Android设备上留下的文物的法医分析。我们提供了WhatsApp Messenger生成的所有工件的完整描述,我们讨论了它们中每一个的解码和解释,我们展示了它们如何相互关联,以推断无法通过单独考虑它们中的每一个来获得的各种类型的信息。通过使用本文中讨论的结果,分析人员将能够重建联系人列表和用户交换的消息的时间顺序。此外,由于多个工件的相关性,他将能够推断出信息,例如何时添加了特定联系人,恢复删除的联系人及其删除时间,确定哪些消息已被删除,何时交换了这些消息,以及交换它们的用户。
2015-07-28 cs.CR
Forensic Analysis of TomTom Navigation Application
在数字技术的取证领域,对TomTom品牌导航系统的解码进行了大量的调查。由于TomTom是导航系统的市场领导者,因此对大量此类设备进行了研究。这些设备可以保存大量重要的位置信息。目前,可以使用多种方法来制作运行Android的移动设备的物理副本。下一个重大的取证问题是可以安装在这些设备上的所有各种程序。现在有一个应用程序可从公司TomTom在谷歌Play商店.此应用程序模仿Android移动终端上的导航系统。事实上,Android上的TomTom应用程序可以保存大量信息。在本文中,我们提出了一个过程中的取证收购和分析的TomTom Android应用程序。我们关注以下问题:是否有可能在移动终端的存储器中找到以前驾驶过的路线或带有时间戳的GPS坐标?为了调查这些文件中存储的内容,进行了驾驶测试。在这些驾驶测试中,使用自编程序复制了最重要的文件。找到了重要文件,并对这些文件中的数据进行了解码。我们使用三星移动设备显示和分析我们的结果。我们也比较这些结果与法医收购TomTom GPS设备。
2017-04-11 cs.CR
A Forensically Sound Adversary Model for Mobile Devices
在本文中,我们提出了一个对手模型,以方便法医调查的移动设备(例如Android,iOS和Windows智能手机),可以很容易地适应最新的移动终端技术。考虑到移动终端技术的不断发展和快速变化的性质,这一点至关重要。一个不可分割的原则和对法医从业人员的重大限制是法医的健全性。我们的对手模型专门考虑和集成的对手,在我们的情况下,法医从业人员的法医健全的约束。攻击者模型的一个构造是用于Android设备的证据收集和分析方法。使用该方法与六个流行的云应用程序,我们成功地提取各种信息的法医感兴趣的外部和内部存储的移动终端。
2015-09-23 cs.CR
Mobile Cloud Forensics: An Analysis of Seven Popular Android Apps
使用Martini,Do和Choo提出的Android设备的证据收集和分析方法,我们检查和分析了七个流行的Android云应用程序。首先,我们分析了每个应用程序,以查看可以从其私人应用程序存储和SD卡目录中获取哪些信息。我们整理了这些信息并使用它来帮助我们调查每个应用程序数据库文件和AccountManager数据。为了完成我们对所分析的应用程序存储的取证文物的理解,我们对应用程序进行了进一步的分析,以确定是否可以根据在初始分析阶段获得的信息为每个应用程序收集用户身份验证凭据。这项研究的贡献包括对每个分析的应用程序的文物的详细描述,这些文物具有普遍的法医学意义。
2015-06-18 cs.CR cs.CY
The Sound of Malware: A Memory Forensics Approach for Android Malware Analysis via Audio Signals
Università degli Studi di Cagliari(卡利亚里大学);Università Roma Sapienza(罗马大学);CINI, Consorzio Interuniversitario Nazionale per l’Informatica(意大利国家信息学大学联盟)
提出一种内存取证框架,将Android恶意软件的静态字节码和内存快照转换为音频波形,利用频谱描述符、CNN和Transformer嵌入实现高达98.0%的准确率。
2026-06-05 cs.CR
Forensic Analysis of the ChatSecure Instant Messaging Application on Android Smartphones
我们提出了由ChatSecure,一个安全的即时消息应用程序,提供了强大的加密传输和本地存储的数据,以确保其用户的隐私Android智能手机上生成的文物的法医分析。我们发现,ChatSecure存储本地副本的交换的消息和文件到两个不同的,AES-256加密的数据库,我们设计了一种技术,能够解密时,由用户选择的加密过程的初始步骤的秘密密码,是已知的。此外,我们还展示了如何从设备的易失性存储器中识别和提取此密码,在用户输入后,它将在ChatSecure的整个执行过程中持续存在,从而即使用户没有透露密码,也可以进行解密。最后,我们讨论了如何分析和关联存储在ChatSecure使用的数据库中的数据,以识别用户和他/她的好友用于通信的IM帐户,以及重建他们之间交换的消息和文件的时间顺序和内容。在我们的研究中,我们设计并使用了一种实验方法,该方法基于使用仿真设备,提供了非常高的结果再现性,并且我们验证了它产生的结果与从真实智能手机中获得的结果。
2016-10-21 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 Review on the effectiveness of Dimensional Reduction with Computational Forensics: An Application on Malware Analysis
Nanyang Technological University(南洋理工大学);Home Team Science and Technology Agency(内政团队科学技术局)
Android操作系统被广泛采用为智能设备的首选操作系统平台。然而,强劲的采用也导致了基于Android的恶意软件或恶意软件数量的指数增长。为了处理作为网络调查和数字取证的一部分的这种网络威胁,机器学习算法形式的计算技术被应用于这种恶意软件识别、检测和取证分析。然而,这种计算取证建模技术受到恶意软件环境的数量、速度、种类和准确性的限制。这反过来又会影响其识别和侦查效力。这样的后果必然会导致这种解决方法的可持续性问题。优化有效性的一种方法是应用降维技术,如主成分分析,以提高算法性能。在本文中,我们评估了主成分分析在检测基于Android的恶意软件的计算取证任务中应用的有效性。我们将我们的研究假设应用于具有不同机器学习算法的三个不同数据集。我们的研究结果表明,降维数据集将导致准确性性能的下降。
2023-01-15 cs.CR cs.LG
Forensics Acquisition and Analysis of instant messaging and VoIP applications
互联网的出现显著改变了数百万人的日常活动,其中之一是人们的通信方式,其中即时消息(IM)和IP语音(VoIP)通信已经变得普遍。虽然即时通讯应用程序是无处不在的通信工具,现在,它被观察到,相关研究的主题,从即时通讯服务的证据收集是有限的。原因是即时通讯可以作为一个非常有用但非常危险的平台,让受害者和嫌疑人进行沟通。事实上,智能手机上越来越多地使用即时消息已经成为移动和计算机法医专家的金矿。应用程序留下的痕迹和证据可以保存在智能手机上,并利用正确的取证技术检索这些潜在的证据是非常必要的。最近,大多数关于IM取证的研究都集中在WhatsApp,Viber和Skype等应用程序上。然而,在文献中,很少有与iOS和Android平台上的WhatsApp、Viber、Skype和Tango等IM应用程序相关的取证分析和比较,尽管该应用程序的总用户已经超过10亿。因此,在本文中,我们提出了法医采集和分析这四个IM和VoIP的iOS和Android平台。我们试图回答如何收集证据时,IM通信使用。我们还定义了目标文物的分类,以指导和结构随后的法医分析。最后,对可通过IM供应商获得的信息进行了审查。这项研究的成果提供了详细的答案,这些IM和VoIP应用程序可以识别的工件类型。我们还比较了这些流行的应用程序的取证分析:WhatApp,Skype,Viber和Tango。
2016-12-01 cs.CR
EviHunter: Identifying Digital Evidence in the Permanent Storage of Android Devices via Static Analysis
由于智能手机无处不在,实体和网络犯罪越来越多地涉及智能手机。因此,智能手机上的数字证据在犯罪调查中发挥着越来越重要的作用。数字证据可以驻留在智能手机的内存和永久存储器中。虽然我们最近在记忆取证方面取得了重大进展,但在永久存储中识别证据仍然是一个欠发达的研究领域。大多数现有的永久存储取证研究依赖于手动分析或基于关键字的永久存储扫描。手动分析成本高昂,而关键字匹配往往会错过没有有趣关键字的证据数据。在这项工作中,我们开发了一个名为EviHunter的工具来自动识别Android设备永久存储中的证据数据。智能手机的永久存储器上可能有数千个文件。法医调查员经常面临的一个基本问题是哪些文件可以存储证据数据。EviHunter旨在回答这个问题。我们的直觉是,证据数据是由应用程序产生的;应用程序的代码包含有关应用程序可能写入永久存储的数据类型以及数据写入的文件的丰富信息。因此,EviHunter首先通过对大量应用程序的静态分析来预先计算应用程序证据数据库(AED)。AED包括每个应用程序的证据数据类型和存储它们的文件。然后,EviHunter将智能手机永久存储器上的文件与AED进行匹配,以识别可能存储证据数据的文件。我们在基准应用程序和8,690个真实应用程序上评估EviHunter。我们的研究结果表明,EviHunter可以精确地识别证据数据的类型和存储它们的文件。
2018-08-18 cs.CR
Digital Forensic Investigation of Cloud Storage Services
由于数字设备的普及和互联网的广泛使用,对云计算的需求正在增加。在云计算服务中,大多数消费者使用提供海量存储器的云存储服务。这是因为这些服务为它们提供了各种附加功能以及存储。使用智能手机可以轻松访问云存储服务。随着利用率的提高,恶意用户有可能滥用云存储服务。因此,对云存储服务的数字取证调查研究是必要的。本文提出了一种新的程序,用于调查和分析所有可访问设备(如Windows、Mac、iPhone和Android智能手机)的伪影。
2017-08-22 cs.CR
MoLIFE: Methodology, Technologies, and Challenges for Mobile Live Intelligent Forensics Examination
University of Cagliari(卡利亚里大学);Interuniversity National Consortium for Informatics, CINI(意大利高校信息学联合国家联盟);University of Malaga(马拉加大学)
本文针对科技公司数据保护机制增加致移动取证探索少的问题,提出基于NIST SP800 - 101的移动实时智能取证检查方法MoLIFE,可集成新兴技术,用于预防威胁和事后分析,并通过安卓设备数据获取案例证明可行性。
2026-07-09 cs.CR
Andlantis: Large-scale Android Dynamic Analysis
分析Android应用程序的恶意行为是一个重要的研究领域,部分原因是该平台上可用的应用程序数量越来越多。虽然存在对大量应用执行静态分析的技术,但是由于仿真完整Android系统以实现精确执行所需的计算资源,动态分析技术在规模上相对有限。我们提出Andlantis,一个可扩展的动态分析系统能够处理超过3000 Android应用程序每小时。在此过程中,系统能够收集有价值的取证数据,这有助于逆向工程师和恶意软件研究人员识别和理解异常应用程序行为。我们讨论了通过系统运行1261个恶意软件样本的结果,并提供了使用所得数据执行恶意软件分析的示例。
2014-10-28 cs.CR
Investigating Protected Health Information Leakage from Android Medical Applications
由于智能手机和智能手机应用广泛用于医疗保健环境(例如,远程医疗保健),这些设备和应用程序可能需要符合1996年的健康保险便携性和责任法案(HIPAA)。换句话说,保护用户的敏感信息(例如,个人可识别信息和/或病史)被要求在这样的设备和应用上强制执行。在这项研究中,我们专注于从Android医疗应用程序中恢复残留数据的潜力,目的是提供此类应用程序的初始风险评估。我们的发现(例如,人工产物的文档)也有助于更好地理解证据人工产物的类型和位置,所述证据人工产物可以潜在地在数字取证调查中从这些应用中恢复。
2021-05-16 cs.CR cs.CY
Forensic Considerations for the High Efficiency Image File Format (HEIF)
高效文件格式(HEIF)于2017年被苹果公司采用,作为他们从相机应用程序中捕获图像的最佳方式,最近Galaxy S10等Android设备提供了支持。该格式的定位是取代JPEG作为事实上的图像压缩文件类型,吹捧许多现代功能和更好的压缩比超过老化的标准。然而,尽管世界各地已有数百万台设备能够生成HEIF文件,但数字取证研究并没有对该格式给予太多关注。由于HEIF是一种复杂的容器格式,与传统的静态图片格式有很大不同,这使得法医从业者面临潜在的错误处理证据的风险。本文描述了HEIF格式的法医相关功能,包括可用于隐藏数据或在调查中引起问题的功能,同时还提供了对该格式软件支持状态的评论。最后,建议目前的最佳做法,讨论之前的要求,法医强大的HEIF分析工具。
2020-07-27 cs.CR
Using Smartphones as a Proxy for Forensic Evidence contained in Cloud Storage Services
Dropbox、Box和SugarSync等云存储服务已经受到个人和组织的欢迎。这就创造了一个可能有利于安全漏洞和恶意活动的环境。对这些云环境的调查为数字取证社区提出了新的挑战。预计智能手机设备将保留来自这些存储服务的数据。因此,本研究对访问云存储服务的iOS和Android设备上创建的残留工件进行了初步调查。本文的贡献是双重的。首先,它提供了对云存储数据存储在这些客户端设备上的程度的初步评估。此视图充当存储在云中的数据的代理。其次,它提供了关于工件的文档,这些工件可能在云服务的数字取证调查中有用。
2013-03-17 cs.CR
Grand Theft App: Digital Forensics of Vehicle Assistant Apps
由于现代车辆的连接性越来越强,收集的数据不再仅存储在车辆本身中,而是传输到汽车制造商和车辆辅助应用程序。这一发展为涉及现代车辆的刑事调查中的数字取证开辟了新的可能性。本文涉及八家汽车制造商的车辆辅助应用程序的数字取证分析。我们根据存储在智能手机和制造商后端的数据重建驱动程序的活动。为此,汽车制造商奥迪、宝马、福特、梅赛德斯、欧宝、西雅特、特斯拉和大众的Android和iOS应用程序的数据从智能手机中提取,并根据政府批准的合法取证指南使用数字取证方法进行检查。此外,使用受试者访问请求检索制造商数据。利用收集的大量数据,我们成功地重建了行程和加油过程,确定了停车位置和持续时间,并跟踪了车辆的锁定和解锁。这些发现表明,智能手机应用程序的数字取证调查是对车辆取证的有益补充,因此应在未来数字取证调查的战略准备中加以考虑。
2021-06-09 cs.CR
Systematic Evaluation of Forensic Data Acquisition using Smartphone Local Backup
本研究系统评估了iOS和Android本地备份机制用于智能手机取证数据获取的适用性,发现大多数情况下备份能正确复制原始数据,但需注意待处理更改等边界情况以确保证据完整性与真实性。
2024-04-19 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
JoKER: Trusted Detection of Kernel Rootkits in Android Devices via JTAG Interface
智能手机和平板电脑已成为恶意软件的主要目标,因为它们拥有宝贵的私人和企业信息。虽然反病毒(AV)程序可以成功地检测恶意应用程序(应用程序),但它们对通过掩盖自己的存在来逃避检测机制的低级rootkit仍然无效。此外,在与被监视的操作系统相同的物理设备上运行的任何检测机制都可能通过应用程序、内核或引导加载程序漏洞受到危害。因此,移动设备内核rootkit的可信检测在实践中是一个具有挑战性的任务。在本文中,我们提出了JoKER -一个系统,旨在检测rootkit在Android内核中利用硬件的联合测试行动组(JTAG)接口的可信内存取证。我们的框架由提取内核内存区域并重建以供进一步分析的组件组成。我们提出了整体架构及其实现,并证明该系统可以成功地检测到内核中存在的隐形rootkit。结果表明,尽管JTAG的主要目的是系统测试,但它也可以用于传统方法无法检测的恶意软件检测。
2015-12-13 cs.CR
Multi-platform Process Flow Models and Algorithms for Extraction and Documentation of Digital Forensic Evidence from Mobile Devices
由于越来越需要检查来自移动和便携式小工具的证据,因此更有必要制定可靠的措施来调查这些小工具。在详细说明检查每个小工具的要求时存在许多差异,以帮助侦探和检查员保证从任何移动设备提取/收集的任何类型的证据都有良好的记录,并且结果可以重复,如果检查结果是可重复的,必须实施可靠和记录良好的调查过程。在本文中,我们开发了一个通用的过程流模型,用于在Android,Windows,iOS和黑莓操作系统上运行的移动设备中提取数字证据。本研究采问卷调查法及广泛的文献回顾法搜集资料.开发的模型通过专家意见进行验证。这项工作的结果可以指导解决方案开发人员确保移动设备证据提取工具的标准化。
2022-03-24 cs.CR
Recovering Residual Forensic Data from Smartphone Interactions with Cloud Storage Providers
对Dropbox、Box、Syncplicity和SugarSync等云存储服务的需求不断增长。这些公共云存储服务可以在世界各地的远程数据中心存储千兆字节的企业和个人数据,然后可以同步到多个设备。这创造了一个可能有利于安全事件、数据泄露和其他恶意活动的环境。公共云环境的取证调查为数字取证社区带来了许多新的挑战。然而,预计智能手机等终端设备将保留来自这些云存储服务的数据。本研究探讨了如何法医工具,目前提供给从业人员可以用来提供一个实用的解决方案,调查云存储环境相关的问题。研究贡献有三个方面。首先,这项研究的结果支持这样一种想法,即用于访问云存储服务的终端设备可以用于提供存储在云服务中的证据的部分视图。其次,该研究提供了可以从不同版本的云存储应用程序中恢复的文件数量的比较。在这样做时,它还支持合并从多个设备恢复的文件可以恢复更完整的数据集的想法。第三,本章有助于对特定云存储应用程序以及这些应用程序在iOS和Android智能手机上的不同版本创建的工件进行文档和证据性讨论。
2015-06-07 cs.CR
Structural Inference in Undocumented Mobile Databases: A Reproducible Benchmark for Evaluating Agentic Reasoning in Digital Forensics
University of Baltimore(巴尔的摩大学);Cox Automotive Inc.(考克斯汽车公司)
本研究构建了可复现基准,评估智能体对无文档移动数据库的结构推断能力,发现其在规则模式下可靠,模式模糊时性能骤降,需额外验证以确保推断关系可作为可靠取证证据。
2026-08-25 cs.CR
Proteus: A Practical Framework for Privacy-Preserving Device Logs
Stony Brook University(石溪大学);Samsung Research America(三星美国研究院)
Proteus通过双层方案实现隐私保护的日志分析,确保在不泄露PII的情况下进行高效分析。
2026-03-06 cs.CR
Privacy Issues in Voice Assistant Ecosystems
语音助手最近变得非常流行,同时它们也是智能家居系统的重要组成部分。通过他们的语音助手,用户可以执行各种任务,控制其他设备并享受第三方服务。助手是更广泛的生态系统的一部分。它们的功能依赖于用户的语音命令,这些命令通过原始语音助理设备或智能手机和平板电脑的配套应用程序接收,然后通过互联网发送到供应商的云服务并转换为命令。然后,这些命令被传输到其他应用程序和服务。由于大量的数据,主要是用户的个人数据,在语音助理生态系统中移动,有几个地方临时或永久存储个人数据,因此网络攻击者很容易篡改这些数据,带来重大的隐私问题。在我们的工作中,我们在建立了自己的测试平台并使用物联网取证程序后,在三个流行的语音助手的生态系统中展示了这些个人数据工件的类型和位置。我们的隐私评估包括助手的配套应用程序,因为我们还比较了它们在Android设备上安装之前所需的权限。
2021-09-03 cs.CR
The Block-based Mobile PDE Systems Are Not Secure -- Experimental Attacks
如今,移动设备已被广泛用于存储和处理敏感数据。为了确保敏感数据的机密性,主流移动操作系统(如Android和iOS)中通常集成了全磁盘加密(FDE)。然而,FDE不能防御强制攻击,其中对手可以迫使设备所有者公开解密密钥。为了对抗强制性攻击,合理可否认加密(PDE)被用来合理地否认敏感数据的存在。然而,大多数现有的用于移动设备的PDE系统被部署在块层并且遭受可否认性妥协。已经观察到,在文献中没有现有的作品已经实验证明了上述妥协,我们的工作通过实验确认块层移动PDE系统的可否认性妥协,从而弥合了这一差距。我们已经建立了一个移动终端测试床,它由一个主机计算设备和闪存设备。此外,我们还在测试平台的块层部署了隐藏卷PDE和隐写文件系统,并执行了磁盘取证,以评估原始NAND闪存上的潜在危害。我们的实验结果证实,在实践中,对手确实有可能通过访问原始NAND闪存来破坏块层PDE系统。我们还讨论了在现实世界中执行此类攻击时可能出现的问题。
2022-03-31 cs.CR
"Your Doctor is Spying on You": An Analysis of Data Practices in Mobile Healthcare Applications
University of Denver(丹佛大学);George Mason University(乔治梅森大学)
研究分析了272个Android mHealth应用的数据安全问题,发现大量应用存在权限滥用、加密不足和隐私风险,呼吁加强安全审查和设计实践以保护患者健康信息。
2025-12-19 cs.CR cs.CY cs.HC