Ghera: A Repository of Android App Vulnerability Benchmarks
移动应用程序的安全性影响其用户的安全。这推动了自动检测移动应用程序中的漏洞并帮助开发人员保护其应用程序的技术的发展;特别是在Android平台的背景下，由于平台的开放性和普遍性。尽管在这一领域进行了大量的研究工作，但没有包含大多数已知Android应用程序漏洞的最新和精简基准的综合存储库，因此，可以用于严格评估现有和新的漏洞检测技术，并帮助开发人员了解Android应用程序漏洞。在本文中，我们描述了Ghera，一个开源的基准测试库，它捕获了Android应用程序中的25个已知漏洞（作为被利用/良性和利用/恶意应用程序对）。我们还介绍了我们在创建Ghera时发现的漏洞基准和存储库的理想特征。
2017-08-08 cs.CR cs.SE
Too Quiet in the Library: An Empirical Study of Security Updates in Android Apps' Native Code
Android应用包含第三方原生库，以提高性能和重用功能。原生代码通过Java原生接口或Android原生开发工具包直接从应用执行。Android开发人员将预编译的原生库添加到他们的项目中，以启用它们的使用。不幸的是，开发人员经常努力或干脆忽视及时更新这些库。这导致在补丁可用多年后，仍继续使用过时的本机库，这些本机库具有未修补的安全漏洞。为了进一步了解这种现象，我们研究了9月10日以来Google Play上最受欢迎的200个免费应用程序中原生库的安全更新。2013年至2020年5月。我们在这项研究中面临的一个核心困难是图书馆及其版本的识别。开发人员经常重命名或修改库，使其识别具有挑战性。我们创建了一种名为LibRARIAN（LibRAry veRsion IdentificAtioN）的方法，该方法基于我们新颖的相似性度量bin 2sim准确识别Android应用中的原生库及其版本。LibRARIAN利用了基于元数据从库中提取的不同特征，并在只读部分中识别字符串。我们发现，在2009年9月20日至2011年9月30日期间，200个流行应用程序中有53个（26.5%）存在已知CVE的易受攻击版本。2013年和2020年5月，其中14个应用程序仍然存在漏洞。我们发现，应用程序开发人员平均需要528.71天来应用安全补丁，而库开发人员在54.59天后发布安全补丁-更新速度慢了10倍。
2021-03-03 cs.CR cs.SE
Automatically Detecting Checked-In Secrets in Android Apps: How Far Are We?
McGill University（麦吉尔大学）；Concordia University（康考迪亚大学）
本文实证评估了三种已检入密钥检测工具在 5,135 个安卓应用上的表现，发现现有工具存在大量漏报但具有互补性，并提出基于方法内字符串组分析以克服混淆挑战的新策略。
2025-11-10 cs.CR cs.SE
Evaluating LLMs for Obfuscation Detection and Classification in Android Apps
IMT School for Advanced Studies Lucca（卢卡高等研究学院）；Interdisciplinary Centre for Security, Reliability and Trust（安全、可靠性和信任跨学科中心）；University of Verona（维罗纳大学）；University of Genoa（热那亚大学）
本研究通过大规模实验评估大型语言模型（LLMs）在无需手工规则或训练的情况下，通过语义推理检测Android应用中的代码混淆，并与现有SAST方法对比。
2026-06-15 cs.CR cs.SE
To what extent can we analyze Kotlin programs using existing Java taint analysis tools? (Extended Version)
作为Java的替代品，Kotlin自推出以来迅速流行，并已成为开发Android应用程序的默认选择。然而，由于其与Java的互操作性，Kotlin程序可能包含与Java程序几乎相同的安全漏洞。因此，我们质疑：在多大程度上可以对Kotlin代码使用现有的Java静态污点分析？在本文中，我们研究了与Java相比，在Kotlin中实现污点分析的挑战。为了回答这个问题，我们进行了一项探索性研究，对每个Kotlin结构进行了检查，并与其Java等效结构进行了比较。我们确定了18个工程挑战，由于Kotlin的独特结构或Kotlin和Java编译器之间生成的字节码的差异，静态分析作者需要以不同的方式处理这些挑战。对于其中的八个，我们提供了一个概念性的解决方案，而其中的六个是我们作为SecuCheck-Kotlin的一部分实现的，这是对现有Java污点分析SecuCheck的扩展。
2022-07-29 cs.CR cs.PL cs.SE
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
AndroVault: Constructing Knowledge Graph from Millions of Android Apps for Automated Analysis
Android数据驱动的研究近年来获得了很大的发展势头。数据的丰富为知识学习提供了便利，但同时也增加了数据预处理的难度。因此，为研究准备一套要求严格且准确的数据是很重要的。本文提出了AndroVault框架，它是一个集数据汇集、知识表示和知识抽取为一体的Android研究框架。它从2013年开始使用长期运行的网络爬虫进行数据汇集（包括应用和描述），这保证了数据的及时性;通过对收集的数据进行静态分析和动态分析，我们计算各种属性来表征Android应用。之后，我们使用知识图谱通过计算属性方面的相关性来连接所有这些应用程序;最后，我们利用逻辑推理，机器学习和相关性分析等多种技术来提取对特定研究问题有益的事实（更准确和要求更高的数据，无论是否是高级数据）。利用这些高质量的数据，我们成功地进行了许多研究工作，包括恶意软件检测，代码生成和Android测试。我们希望以认证的方式向研究界发布我们的数据，并鼓励他们进行富有成效的研究。
2017-11-21 cs.CR cs.SE
Scalable Online Vetting of Android Apps for Measuring Declared SDK Versions and Their Consistency with API Calls
Android一直是最受欢迎的智能手机系统，市场上活跃着多个平台版本。为了管理应用与一个或多个平台版本的兼容性，Android允许应用在其清单文件中声明受支持的平台SDK版本。在本文中，我们对这种现代软件机制进行了系统的研究。我们的目标是衡量真实应用程序中声明的SDK版本（我们以后称之为DSDK版本）的当前做法，以及DSDK版本与其主机应用程序的API调用之间的一致性。为了成功分析22，687个流行应用程序的现代数据集（平均应用程序大小为25 MB），我们设计了一种可扩展的方法，该方法在Android字节码级别上运行，并采用轻量级字节码搜索进行应用程序分析。这种方法实现了适用于应用程序市场在线审查的良好性能，平均只需要大约5秒来处理应用程序。除了揭示DSDK在野外的特性外，我们的研究还定量测量了不适当的DSDK版本的两个副作用：（i）大约35%的应用程序低于最低DSDK版本并可能导致运行时崩溃，但幸运的是，只有11.3%的应用程序可能在Android 6.0及以上版本中崩溃;（ii）约2%的应用程序，由于未充分声明目标DSDK版本，可能会被远程代码执行利用，其中一半通过嵌入式第三方库调用易受攻击的API。这些结果表明了正确声明DSDK的重要性和困难，我们的工作可以帮助开发人员实现这一目标。
2020-08-31 cs.CR cs.SE
Fine with "1234"? An Analysis of SMS One-Time Password Randomness in Android Apps
SMS一次性密码（OTP）的基本前提是所使用的伪随机数（PRN）对于每个登录会话是唯一不可预测的。因此，生成PRN的过程是OTP认证中最关键的步骤。伪随机数发生器（PRNG）的不正确实现将导致可预测的甚至静态的OTP值，使它们容易受到潜在的攻击。在本文中，我们提出了一个针对Android应用程序实现的PRNG的漏洞研究。一个关键的挑战是PRNG通常在服务器端实现，因此源代码不可访问。为了解决这个问题，我们建立了一个分析工具，\sysname，以自动化的方式评估的PRNG的实现，而无需源代码的要求。通过逆向工程，\sysname使用SMS OTP识别应用程序，并触发每个应用程序的登录功能以检索OTP值。它进一步评估OTP值的随机性以识别易受攻击的PRNG。通过分析从\tool{Google Play}和\tool{Tencent Myapp}下载的6，431个商用Android应用程序，\sysname确定了399个易受攻击的应用程序，这些应用程序会生成可预测的OTP值。更糟糕的是，194个易受攻击的应用程序仅使用OTP身份验证，而没有任何额外的安全机制，导致针对猜测攻击和重放攻击的不安全身份验证。
2021-03-06 cs.CR cs.SE
ConsiDroid: A Concolic-based Tool for Detecting SQL Injection Vulnerability in Android Apps
在本文中，我们提出了一个concolic执行技术，用于检测Android应用程序中的SQL注入漏洞，我们称之为ConsiDroid的新工具。我们使用mocking技术扩展应用程序的源代码，这样原始源代码的执行不受影响。扩展的源代码可以被视为Java应用程序，并且可以由SPF以concolic执行来执行。我们自动地从静态分析中生成一个DummyMain类，以便按顺序调用基本函数，并触发导致易受攻击函数的事件。我们在ConsiDroid中使用污点分析扩展SPF。为了使污点分析成为可能，我们引入了一种新的符号模拟类技术，以减轻污染值在代码中的传播。SQL注入漏洞是通过接收易受攻击的函数的污染值来检测的。此外，ConsiDroid还利用静态分析来调整SPF，以便只检查可疑路径。为了说明ConsiDroid的适用性，我们从F-Droid存储库中随机选择了140个应用程序。从这些应用程序中，我们发现了三个容易受到SQL注入攻击的应用程序。为了验证它们的漏洞，我们使用Robolectric根据ConsiDroid的报告手动分析了这些应用程序。
2019-08-08 cs.CR cs.SE
Web APIs in Android through the Lens of Security
Web通信已成为移动应用程序不可或缺的特性。然而，目前尚不清楚这些应用程序传输了哪些数据，传输给了谁，以及这种传输会产生什么后果。我们从安全的角度分析了移动应用程序中的Web通信。我们首先手动研究了160个Android应用程序，以确定常用的通信库，并了解它们在这些应用程序中的使用方式。然后，我们开发了一个工具来静态识别应用程序中使用的Web API URL，并恢复JSON数据模式，包括每个参数的类型和值。我们提取了3，376个应用程序中使用的9，714个不同的Web API URL。我们发现开发人员经常使用java.net包进行网络通信，但是，许多应用程序中也使用了OkHttp等第三方库。我们发现，不安全的HTTP连接在闭源应用程序中的普遍程度是开源应用程序的七倍，并且嵌入式SQL和JavaScript代码在500多个不同的应用程序中用于Web通信。这一发现是毁灭性的;它使数十亿用户和API服务提供商容易受到攻击。
2020-06-01 cs.CR cs.SE
A Longitudinal Study of Android Apps Signing Key Protection
University College Dublin（都柏林大学学院）；JD Group（京东集团）；Technical University of Munich（慕尼黑工业大学）
通过挖掘公共仓库和匹配4,000+应用签名，发现5,673个泄露密钥库和278个受影响应用，证明签名密钥管理不善是系统性风险。
2026-06-23 cs.CR cs.SE
I know what leaked in your pocket: uncovering privacy leaks on Android Apps with Static Taint Analysis
Android应用程序可能会无意或恶意泄露隐私数据。在这项工作中，我们执行组件间数据流分析来检测Android应用程序组件之间的隐私泄露。与目前所有的方法不同，我们的工具，称为IccTA，传播组件之间的上下文，这提高了分析的精度。IccTA在DroidBench上的准确率达到95.0%，召回率达到82.6%，优于所有其他可用工具。我们的方法检测147个组件间的隐私泄漏在14个应用程序中的一组3000个真实世界的应用程序，精度为88.4%。在ApkCombiner的帮助下，我们的方法能够检测基于应用程序间的隐私泄露。
2014-04-29 cs.CR cs.SE
SeMA: A Design Methodology for Building Secure Android Apps
UX（用户体验）设计师通过故事板直观地捕捉应用程序的UX。这种方法也用于Android应用程序开发，以概念化和设计应用程序。最近，安全性已成为Android应用程序UX不可或缺的一部分，因为移动应用程序用于执行银行、通信和健康等关键活动。因此，保护用户信息在移动应用程序中至关重要。在这种情况下，故事板工具提供了有限的能力来捕获和推理应用程序的安全需求。因此，安全性不能在设计时融入应用程序。因此，由设计缺陷引起的漏洞经常会出现在应用程序中。为了解决这个问题，在本文中，我们提出了一个基于故事板的设计方法，使规范和验证的Android应用程序的安全属性在设计时。
2019-09-20 cs.CR cs.PL cs.SE
A3Ident: A Two-phased Approach to Identify the Leading Authors of Android Apps
作者身份识别是通过给定的代码对作者进行识别和分类的过程。作者身份识别可用于广泛的软件领域，例如，代码作者争议、剽窃检测、攻击者身份曝光。除了传统软件开发带来的固有挑战外，Android中的框架编程和众包模式也大大增加了作者身份识别的难度。更具体地说，广泛的第三方库和继承的组件（例如，类、方法和变量）稀释了整个Android应用程序中的主要代码，模糊了不同作者编写的代码的界限。然而，以前的研究并没有很好地解决这些挑战。为此，我们设计了一个两阶段的方法来将Android应用程序的主要代码归因于特定的开发人员。在第一阶段，我们提出了三种策略来识别应用程序中Java包之间的关系，包括上下文关系、语义关系和结构关系。一个软件包聚合算法的开发，集群的所有软件包是由相同的作者写的概率高。在第二阶段，我们开发了三种类型的功能来捕捉作者的编码习惯和代码风格。在此基础上，我们从开发的Android应用程序中为作者生成指纹，并采用几种机器学习算法进行作者身份分类。我们在三个数据集中评估了我们的方法，这些数据集包含来自257个不同开发人员的15，666个应用程序，平均准确率达到92.5%。此外，我们在2，900个混淆的应用程序上进行了测试，我们的方法可以以80.4%的准确率对应用程序进行分类。
2020-08-31 cs.CR cs.SE
Demystifying security and compatibility issues in Android Apps
从来没有任何操作系统像Android这样受欢迎。现有的移动电话不仅仅是用于打电话和接收SMS消息的设备，而是用于网上冲浪、社交网络等的强大的通信和娱乐平台。即使Android OS提供强大的通信和应用执行能力，但它也充满了缺陷（例如，安全风险和兼容性问题），每天都有新的漏洞出现，漏洞每年给经济造成数百亿美元的损失。例如，恶意应用程序（例如，后门、欺诈应用程序、勒索软件、间谍软件等）据报道[Google，2022]显示出恶意行为，包括隐私窃取、安装不需要的程序等。为了对抗这些威胁，已经提出了许多依赖于静态分析技术来检测这些问题的工作。然而，静态技术本身不足以精确地检测这种缺陷。这将可能产生假阳性结果，因为静态分析在处理复杂情况时必须做出一些权衡（例如，对象敏感对对象不敏感）。此外，静态分析技术还可能遭受可靠性问题，因为某些复杂的特征（例如，反射、混淆和硬化）是难以处理的[Sun等人，2021 b，Samhi等人，2022年]。
2023-02-15 cs.CR cs.SE
On The (In)Effectiveness of Static Logic Bomb Detector for Android Apps
超过85%的移动设备使用Android，这使其成为恶意软件的主要目标。恶意代码正变得越来越复杂，并且依赖于逻辑炸弹来隐藏自己以躲避动态分析。在本文中，我们进行了大规模的研究TSOPEN，我们的开源实现的最先进的静态逻辑炸弹扫描仪TRIGGERSCOPE，超过500k的Android应用程序。结果表明，该方法的规模。此外，我们调查了差异，并表明该方法可以达到非常低的假阳性率，0.3%，但需要付出特定的代价，例如，删除90%的敏感方法。因此，依靠这种方法来自动检测大型数据集中的所有逻辑炸弹可能是不现实的。然而，它可以用来加速恶意代码的定位，例如，在逆向工程应用程序时。我们还向研究社区提供了TRIGDB，一个包含68个Android应用程序的数据库，其中包含基于用户的行为作为基础事实。
2021-08-25 cs.CR cs.SE
Are Free Android App Security Analysis Tools Effective in Detecting Known Vulnerabilities?
人们对保护Android生态系统的兴趣日益浓厚，这催生了许多帮助应用程序开发人员构建安全应用程序的努力。这些努力产生了能够检测应用程序中的漏洞（和恶意行为）的工具和技术。然而，没有对这些工具和技术在检测已知漏洞方面的有效性进行评估。缺乏此类评估使应用程序开发人员在选择安全分析工具来保护其应用程序时处于不利地位。在这方面，我们评估了Android应用程序漏洞检测工具的有效性。我们审查了64个工具，并根据Ghera基准测试捕获的42个已知的独特漏洞对14个漏洞检测工具（附带还有5个恶意行为检测工具）进行了经验评估，这些漏洞由易受攻击的应用程序和安全应用程序组成。在评估的24个观察结果中，主要观察结果是现有的Android应用程序漏洞检测工具检测已知漏洞的能力非常有限-所有评估的工具加在一起只能检测42个已知独特漏洞中的30个。如果安全分析工具要帮助开发人员构建安全的应用程序，就需要付出更多的努力。我们希望本次评估的结果能够帮助应用程序开发人员选择合适的安全分析工具，并说服工具开发人员和研究人员识别和解决其工具和技术中的局限性。我们也希望这次评估能够在软件工程和安全社区中引发一场对话，要求对安全分析工具和技术进行更严格、更明确的评估。
2019-08-05 cs.CR cs.SE
An Empirical Evaluation of GDPR Compliance Violations in Android mHealth Apps
《通用数据保护条例》（GDPR）旨在提供更好的隐私保护。如果应用程序控制用户的个人数据，则需要符合GDPR。然而，GDPR列出了一般规则，而不是关于如何开发满足要求的应用程序的确切分步指南。因此，现有应用程序中可能存在违反GDPR合规的情况，这将对应用程序用户构成严重的隐私威胁。在本文中，我们以移动健康应用程序（mHealth应用程序）为窥视孔，检查Android应用程序中GDPR合规性的现状。我们首先提出了一个名为\mytool的自动化系统，通过识别应用程序隐私政策中声明的数据实践和应用程序代码中的数据相关行为，弥合GDPR的一般规则和应用程序实现之间的语义差距。然后，基于\mytool，检测了隐私策略不完整、数据汇集不一致、数据传输不安全等三类GDPR合规违规行为。我们对796个移动健康应用程序进行了实证评估。结果显示，有189家（23.7%）没有提供完整的隐私政策。此外，59个应用程序通过不同的措施收集敏感数据，但其中46个（77.9%）包含至少一种不一致的收集行为。更糟糕的是，在59个应用程序中，只有8个应用程序试图确保收集数据的传输安全性。但是，它们都包含至少一个加密或SSL误用。我们的工作暴露了严重的隐私问题，以提高应用用户和开发人员的隐私保护意识。
2020-08-14 cs.CR cs.SE
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
Mobile Apps vs. Web Browsers: A User Perception Study with Android Apps and Google Chrome
Ariel University（阿里埃勒大学）
该研究针对安卓智能手机用户，结合实验与调查，探究用户在安全、隐私、可用性方面对移动应用与网页浏览器的感知，为开发者优化两类平台提供参考。
2026-08-17 cs.CR
An Empirical Study on Android-related Vulnerabilities
移动设备在日常生活中的使用越来越多。它们是我们的相机、钱包和钥匙。基本上，它们将我们的大部分私人信息嵌入我们的口袋里。由于这个原因和其他原因，移动设备，特别是在它们上运行的软件，被认为是软件漏洞领域的一等公民。一些研究调查了移动应用程序以及更广泛的移动设备背景下的软件漏洞现象。这些研究大多集中在可能影响移动应用程序的漏洞上，而只有少数研究影响移动应用程序运行的底层平台的漏洞：操作系统（OS）。此外，这些研究是在非常有限的一组漏洞上进行的。在本文中，我们提出了迄今为止调查Android相关漏洞的最大研究，特别关注影响Android操作系统的漏洞。特别是，我们（i）定义了Android相关漏洞类型的详细分类;（ii）调查受漏洞影响的Android操作系统的层和子系统;（iii）研究漏洞的生存能力（即，漏洞引入和修复之间的天数）。我们的发现可以帮助操作系统和应用程序开发人员专注于他们的验证和验证活动，并帮助研究人员构建为移动世界量身定制的漏洞检测工具。
2017-04-11 cs.CR cs.SE
Security Code Smells in Android ICC
Android组件间通信（ICC）非常复杂，在很大程度上不受约束，开发人员很难理解。因此，ICC是Android应用程序中安全漏洞的常见来源。为了促进安全编程实践，我们回顾了相关研究，并确定了Android设备中可避免的ICC漏洞以及指示其存在的安全代码气味。我们解释了漏洞及其相应的气味，并讨论了如何在开发过程中消除或减轻它们。我们在Android Lint之上提供了一个轻量级的静态分析工具，它可以分析开发中的代码，并在IDE中提供有关代码中是否存在此类气味的即时反馈。此外，在这个工具的帮助下，我们研究了700多个开源应用程序中安全代码气味的流行程度，并手动检查了大约15%的应用程序，以评估识别这些气味发现ICC安全漏洞的程度。
2018-12-10 cs.CR cs.SE
How Far are App Secrets from Being Stolen? A Case Study on Android
该研究针对Android应用密钥泄露问题开展首项系统性研究，通过采样分析Google Play热门应用的密钥，设计正则表达式文本挖掘策略，证实大量应用密钥极易被窃取，凸显问题普遍性并呼吁加强密钥保护。
2025-01-14 cs.CR cs.SE
MadDroid: Characterising and Detecting Devious Ad Content for Android Apps
广告推动了移动应用生态系统的经济发展。作为移动广告商业模式中的关键组成部分，移动广告内容一直被研究界所忽视，这带来了许多威胁，例如，传播恶意软件和不良内容。为了了解这些不正当广告行为的做法，我们对通过自动化应用程序测试收集的应用程序内容进行了大规模研究。在这项工作中，我们首先提供了一个全面的分类不正当的广告内容，包括五种行为属于两个类别：\emph{ad loading content}和\emph{ad clicking content}。然后，我们提出了MadDroid，一个框架，用于自动检测不正当的广告内容。MadDroid利用自动化应用程序测试框架和复杂的广告视图探索策略，有效收集广告相关的网络流量，并随后提取广告内容。然后，我们将专门的方法集成到框架中，以识别不正当的广告内容。我们已经将MadDroid应用于40，000个Android应用程序，发现大约6%的应用程序提供了不正当的广告内容，例如，分发无法通过传统应用市场下载的恶意应用。实验结果表明，不正当的广告内容是普遍存在的，这表明我们的社区应该投入更多的精力来检测和缓解不正当的广告，以建立一个值得信赖的移动广告生态系统。
2020-02-05 cs.CR cs.SE
When Program Analysis Meets Bytecode Search: Targeted and Efficient Inter-procedural Analysis of Modern Android Apps in BackDroid
广泛使用的Android静态程序分析工具，例如，Amandroid和FlowDroid执行整个应用程序的过程间分析，这是全面的，但从根本上难以处理现代（大型）应用程序。应用程序的平均大小在五年内增加了三到四倍。在本文中，我们探索了一种新的范式，有针对性的过程间分析，可以跳过不相关的代码，只关注安全敏感的汇API的流。为此，我们提出了一种称为动态字节码搜索的技术，该技术在需要定位调用者时及时搜索反汇编的应用程序字节码文本。通过这种方式，它逐步引导有针对性的（和向后的）过程间分析，直到到达入口点，而不依赖于整个应用程序图。然而，由于Java多态性、回调、异步流、静态初始化器和Android应用程序中的组件间通信，这种基于搜索的过程间分析具有挑战性。我们克服了这些独特的障碍，在我们的上下文中，提出了一套字节码搜索机制，利用灵活的搜索和前向对象污点分析。在这种新的过程间分析之上，我们进一步调整了传统的向后切片和向前常数传播，以提供对sink API调用的完整的跟踪。我们已经实现了一个名为BackDroid的原型，并将其与Amandroid进行了比较，分析了3，178个现代流行应用程序的加密和SSL错误配置。评估显示，对于此类基于sink的问题，BackDroid的速度快了37倍（2.13 vs. 78.15分钟），并且没有超时故障（v.s. Amandroid中为35%），同时保持接近甚至…
2020-05-23 cs.CR cs.SE
Security Apps under the Looking Glass: An Empirical Analysis of Android Security Apps
第三方安全应用程序是Android应用程序生态系统不可或缺的一部分。许多用户安装它们作为其设备的额外保护层。有数百个这样的安全应用程序，在谷歌Play商店免费和付费，其中一些被下载了数百万次。通过安装安全应用程序，智能手机用户对开发这些应用程序的安全公司产生了极大的信任，因为功能齐全的移动安全应用程序需要访问许多智能手机资源，例如存储，短信和电子邮件，浏览器历史记录以及有关其他已安装应用程序的信息。这些资源通常包含高度敏感的个人信息。因此，必须了解移动安全应用程序生态系统，以评估安装它们是否确实有益。为此，在本文中，我们提出了Android安全应用程序的第一个实证研究。我们从元数据、静态分析和动态分析等多个方面分析了100个Android安全应用程序，并对其操作和行为进行了深入分析。我们的研究结果显示，在我们研究的安全应用程序中，有20%可能会将从智能手机收集的数据转售给第三方;在某些情况下，甚至未经用户同意。此外，我们的实验表明，大约50%的安全应用程序无法识别安装在智能手机上的恶意软件。
2020-07-08 cs.CR
Robustness of on-device Models: Adversarial Attack to Deep Learning Models on Android Apps
Monash University（莫纳什大学）
深度学习已经在许多应用中展示了它的强大功能，包括图像中的目标检测、自然语言理解和语音识别。为了让最终用户更容易使用，许多深度学习模型现在都嵌入到移动应用程序中。与将深度学习从智能手机卸载到云端相比，在设备上执行机器学习有助于改善延迟、连接性和功耗。然而，Android应用程序中的大多数深度学习模型可以通过成熟的逆向工程轻松获得，而模型的暴露可能会招致对抗攻击。在这项研究中，我们提出了一种简单但有效的方法，通过识别来自TensorFlow Hub的高度相似的预训练模型，使用对抗攻击攻击深度学习模型。实验中的所有10个真实世界的Android应用程序都被我们的方法成功攻击。除了模型攻击的可行性之外，我们还进行了一项实证研究，调查了Google Play上数百个Android应用程序使用的深度学习模型的特征。结果表明，它们中的许多彼此相似，并且广泛使用微调技术来预训练互联网上的模型。
2021-02-04 cs.CR cs.LG cs.SE
A Survey on the Detection of Android Malicious Apps
基于Android的智能设备呈指数级增长，并且由于互联网的普及，这些设备在全球范围内连接到不同的设备/网络。它的受欢迎程度，有吸引力的功能和移动性使得恶意软件创建者在市场上投放大量恶意应用程序来扰乱和骚扰受害者。虽然为了识别恶意应用程序，不时提出各种技术。然而，恶意软件开发人员似乎总是领先于反恶意软件小组，反恶意软件小组提出的技术不足以对抗高级恶意应用程序。因此，要了解提出/用于识别Android恶意应用程序的各种技术，在本文中，我们提出了一个调查，我们在这一领域的研究人员所做的工作。
2019-05-30 cs.CR
ModZoo: A Large-Scale Study of Modded Android Apps and their Markets
本研究首次大规模分析13个修改版安卓应用市场的14.6万应用，发现约90%被修改，导致开发者收入损失且用户面临更高恶意风险。
2024-10-28 cs.CR cs.OH cs.SE
TriggerZoo: A Dataset of Android Applications Automatically Infected with Logic Bombs
许多Android应用分析器依赖于动态分析等技术来监控其运行时行为并检测潜在的安全威胁。然而，恶意开发人员使用微妙但有效的技术来绕过动态分析器。逻辑炸弹是流行技术的示例，其中恶意代码仅在特定情况下触发，挑战全面的动态分析。研究界提出了各种方法和工具来检测逻辑炸弹。不幸的是，由于缺乏基本事实，对最先进的技术进行严格的评估和公平的比较是不可能的。在本文中，我们提出了TriggerZoo，一个新的数据集，包含406个Android应用程序，其中包含逻辑炸弹和良性的基于恶意软件的行为，我们只使用经过认证的API向研究社区发布。这些应用程序是来自Google Play的真实应用程序，已被我们的工具AndroBomb自动感染。注入的实现逻辑炸弹的代码片段覆盖了我们从一组真实的逻辑炸弹手动表征的大量实际逻辑炸弹类型。研究人员可以利用这个数据集作为基础事实来评估他们的方法，并与其他工具进行比较。
2022-03-08 cs.CR cs.SE
Demystifying Hidden Sensitive Operations in Android apps
鉴于Android设备在消费者中的广泛采用，其安全性现在至关重要。随着研究人员开发用于静态或动态检测可疑应用程序的工具，恶意软件编写者会定期更新其攻击机制以隐藏恶意行为实施。这对当前的研究技术提出了两个问题：静态分析方法，由于它们的过度近似，可以报告大量的假警报，而动态方法将错过那些通过逃避技术隐藏的行为。在这项工作中，我们提出了一个静态的方法，专门针对突出隐藏的敏感操作，主要是敏感的数据流。HiSenDroid的原型版本已经在一个包含数千个恶意软件和好软件样本的大规模数据集上进行了评估，它成功地揭示了旨在逃避动态分析检测的反分析代码片段。我们进一步实验表明，使用FlowDroid，一些隐藏的敏感行为最终会导致私人数据泄露。这些泄漏很难在最先进的静态分析仪或动态工具报告的大量误报中手动发现。总的来说，通过揭示隐藏的敏感操作，HiSenDroid帮助安全分析师验证潜在的敏感数据操作，这在以前是不被注意的。
2022-10-20 cs.CR cs.SE
Platform-Centric Android Monitoring---Modular and Efficient
我们为Android平台提供了一个附加组件，能够拦截应用程序之间或应用程序与平台之间的几乎所有交互，包括以人类可读格式调用方法的参数。初步的性能评估表明，我们的解决方案的性能损失大致相当于该领域的类似工具。然而，我们的解决方案的优点是，它是真正的模块化，我们实际上并没有修改Android平台本身，甚至可以将其包含在已经运行的系统中。这样的附加组件的可能用途是多种多样的，我们讨论一个从该地区的运行时验证，旨在提高系统的安全性。
2014-06-08 cs.CR cs.SE
Evaluating Large Language Models in detecting Secrets in Android Apps
SnT, University of Luxembourg（卢森堡大学科学与技术学院）
本文提出基于 LLM 的 SecretLoc，利用上下文与结构线索检测 Android 应用硬编码机密，在基准和 5000 个 Google Play 应用中发现大量既有方法遗漏的新型机密。
2025-10-21 cs.CR cs.SE
Security Evaluation of Android apps in budget African Mobile Devices
本文针对预算型非洲安卓设备预装应用缺乏独立审查的问题，提出APK提取与静态分析框架，在1,544个APK中发现大量数据泄露、组件暴露及特权操作等安全风险，揭示了低成本设备预装软件的严重安全威胁。
2025-09-23 cs.CR cs.SE
FirmwareDroid: Security Analysis of the Android Firmware EcoSystem
Android开源项目（AOSP）可能是全球智能手机和物联网设备使用最多和定制最多的操作系统。它的市场份额和高适应性使Android成为许多开发人员感兴趣的操作系统。如今，我们在智能手机、电视、智能手表、汽车和各种供应商和制造商的其他设备中使用Android固件。定制的Android固件和设备数量之多，使得安全分析师很难检测到潜在的有害应用程序。另一个事实是，许多供应商包括来自第三方开发人员的应用程序。这样的膨胀软件通常比标准应用程序拥有更多的特权，并且用户在没有root设备的情况下无法删除。近年来，据报道，第三方开发人员可以将恶意应用程序包含到Android构建链中。媒体报道称，像Chamois和Triade这样的预装恶意软件能够感染数百万台设备。这些案例表明需要更好的策略来分析Android固件。在我们的研究中，我们以各种方式分析了Android固件生态系统。我们收集了一个包含数千个Android固件存档的数据集，并显示有数TB的固件数据正在网络上等待分析。我们开发了一个名为FirmwareDroid的Web服务，用于分析Android固件存档和预安装的应用程序，并创建固件样本数据集。专注于Android应用程序，我们使用最先进的开源工具自动提取和扫描预安装应用程序的过程。我们在真实数据上证明，预安装的应用程序实际上是对Android用户的威胁，我们可以使用VirusTotal…
2021-12-13 cs.CR
Peel the onion: Recognition of Android apps behind the Tor Network
在这项工作中，我们通过网络流量分析表明，Tor容易受到Android设备上的应用程序去匿名化攻击。为此，我们描述了一种用于执行攻击的一般方法，该方法允许使用Tor对目标智能手机上运行的应用程序进行去匿名化，该目标智能手机是攻击的受害者。然后，我们讨论了一个概念证明，实现的方法，显示了如何在实践中进行攻击，并允许评估去匿名化的准确性，它是可能实现的。虽然针对Tor匿名性的攻击已经在桌面环境中的网站指纹识别方面获得了相当大的关注，但据我们所知，这是第一项突出Tor在Android设备上对应用程序去匿名化攻击的脆弱性的工作。在我们的实验中，我们达到了97%的准确率。
2019-01-14 cs.CR
A Large-scale Temporal Measurement of Android Malicious Apps: Persistence, Migration, and Lessons Learned
我们通过利用2019年至2020年期间在流行移动安全产品的1170万客户中收集的880万日常设备检测来研究Android上潜在有害应用程序（PHA）的时间动态。我们表明，Android当前的安全模型限制安全产品作为常规应用程序运行，并阻止它们自动删除恶意应用程序，为攻击者打开了一个重要的机会窗口。这些应用程序会警告用户新发现的威胁，但用户不会立即对此信息采取行动，从而使PHA在检测到后平均在设备上持续24天。我们还发现，虽然应用市场在PHA被发现后会将其删除，但在PHA被发现和删除之间存在明显的延迟：PHA在Google Play上平均持续77天，在第三方市场上平均持续34天。最后，我们发现PHA在原始市场上被删除后迁移到其他市场的证据。本文提供了一个前所未有的Android PHA格局，表明目前对Android上PHA的防御并不像通常认为的那样有效，并确定了安全社区应该追求的多个研究方向，从编排更有效的PHA拆除到为移动安全产品设计更好的警报。
2021-08-10 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
SeMA: Extending and Analyzing Storyboards to Develop Secure Android Apps
本研究提出基于故事板的Android应用安全开发方法SeMA，将安全纳入设计阶段，可检测预防49种已知漏洞，还能缩短开发时间。
2024-03-10 cs.CR cs.PL cs.SE
Android Permission Model
智能手机技术的最新发展使其应用市场变得巨大而不安全。每天都有大量的应用程序在android market（主要是在google play store上）推出，没有任何特别的检查，这造成了很多安全问题，而且这些问题仍然没有得到解决。有很多最近和日益增加的安全问题，主要是由Android应用程序引起的。主要是，通过应用程序访问用户数据依赖于用户对应用程序的权限。因此，Android智能手机上的不同应用程序如何绕过Android权限模型获得root访问权限以及用户数据如何被其应用程序泄露或窃取一直是一个大问题。这并不令人惊讶，谷歌Play商店有大量的恶意应用程序，可能会引起用户的注意，成为受害者之一，但有时它可能比我们想象的更糟糕。在本文中，我们将看看安全问题（即生根手机，恶意软件绕过和辅存）和如何容易获得用户的手机通过使用其应用程序.此外，我将讨论Android更新机制及其功能，以及可能的第三方绕过和根访问的漏洞.此外，一个关键的功能和来源的所有可能的访问路由到android应用程序我将讨论一个android权限模型。最后，我将首次提出基于特征的开发模型的概念，实现基于特征的权限选择作为Android应用系统的解决方案，并详细描述了基于特征的权限模型是如何解决当前使用Android权限模型的有意（恶意编码）或无意（编码不良）编码所导致的安全问题的。
2016-07-15 cs.CR
DaDiDroid: An Obfuscation Resilient Tool for Detecting Android Malware via Weighted Directed Call Graph Modelling
自2012年以来，新的移动恶意软件实例的数量每年增长超过50%，移动应用程序中嵌入的恶意软件可以说是移动平台面临的最严重的安全问题之一。虽然混淆技术成功地用于保护应用程序开发人员的知识产权，但不幸的是，它们也经常被网络犯罪分子用来隐藏移动应用程序中的恶意内容并欺骗恶意软件检测工具。因此，大多数移动恶意软件检测方法无法区分良性和混淆的恶意应用程序。我们通过构建API调用的加权有向图来检查移动应用程序代码的图形特征，并验证恶意应用程序通常具有可用于将其与良性应用程序区分开的结构相似性，即使在严重“污染”的训练集下，其中大多数应用程序都被混淆。我们提出DaDiDroid的Android恶意软件应用程序检测工具，利用API调用的加权有向图的功能来检测（混淆）Android应用程序中的恶意软件代码的存在。我们发现DaDiDroid明显优于MaMaDroid [23]，MaMaDroid是最近提出的恶意软件检测工具，已被证明在干净的非混淆环境中检测恶意软件非常有效。我们评估DaDiDroid的准确性和鲁棒性对几个规避技术使用各种数据集，共43，262良性和20，431恶意软件应用程序。我们发现，DaDiDroid正确标记了高达96%的Android恶意软件样本，同时通过独家使用混淆应用程序的训练集实现了91%的准确率。
2019-08-21 cs.CR
On the (Un)Reliability of Privacy Policies in Android Apps
在Android上访问隐私敏感信息是移动社区日益关注的问题。尽管Google Play最近推出了一些隐私准则，但要彻底验证应用程序是否真正遵守这些规则仍然是一个悬而未决的问题。为此，在本文中，我们讨论了一种新的方法的基础上，一个富有成效的组合静态分析，动态分析，和机器学习技术，它允许评估这样的遵守。更详细地说，我们的方法检查每个应用程序是否i）包含符合Google Play隐私准则的隐私政策，以及ii）仅在用户接受该政策时才访问隐私敏感信息。此外，该方法还允许检查嵌入在应用w.r.t.同样的隐私政策。我们在一个工具3PDroid中实现了我们的方法，并对Google Play商店中最近下载量最大的一组Android应用进行了评估。实验结果表明，超过95%的应用程序会访问用户的隐私敏感信息，但其中只有一小部分（约1%）完全符合Google Play隐私准则。
2020-04-18 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
Automatic Investigation Framework for Android Malware Cyber-Infrastructures
Android系统的普及，不仅在手机设备中，而且在物联网设备中，使其成为恶意软件非常有吸引力的目的地。事实上，恶意软件正在以类似的速度扩张，目标是在大多数情况下依赖互联网正常工作的设备。最先进的恶意软件缓解解决方案主要集中在使用动态和静态分析特征来区分恶意应用程序和良性应用程序的实际恶意Android应用程序的检测上。然而，Android恶意应用程序的互联网/网络维度的覆盖范围很小。在本文中，我们提出了ToGather，一个自动调查框架，以Android恶意软件样本，作为输入，并产生一个关于这些样本家庭的恶意网络基础设施的情况意识。ToGather利用最先进的图论技术来生成可操作的粒度智能，以减轻Android恶意软件应用程序的恶意互联网活动所带来的威胁。我们对来自不同Android家族的真实恶意软件样本进行了ToGather实验，获得的结果非常有趣，非常有前途
2018-06-23 cs.CR
On Impact of Semantically Similar Apps in Android Malware Datasets
恶意软件作者重复使用在其他应用程序中发现的相同程序段来执行类似的恶意活动，例如信息窃取，发送SMS等。因此，在一个家族/数据集中可能存在多个语义相似的恶意软件样本。许多研究人员不知道这些语义相似的应用程序，并在其ML模型中使用它们的功能进行评估。因此，性能指标可能会受到这些类似应用程序的严重影响。在本文中，我们研究了语义相似的应用程序在基于机器学习的Android恶意软件检测器的性能指标的影响。为此，我们提出了一种新的基于操作码子序列的恶意软件聚类算法来识别语义相似的恶意软件和好软件应用程序。为了研究语义相似的应用程序在性能指标中的影响，我们测试了不同ML模型的性能，这些模型基于具有/不具有语义相似应用程序的恶意软件和好软件应用程序的API调用和权限特征。在我们对Drebin数据集的实验中，我们发现，在从数据集中删除完全重复的应用程序后（？= 0）基于API调用的ML模型的恶意软件检测率（TPR）从0.95下降到0.91，基于权限的模型从0.94下降到0.90。为了克服这个问题，我们建议研究界在评估恶意软件检测机制之前，使用我们的聚类算法来去除语义相似的应用程序。
2021-12-05 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
Towards Accurate Labeling of Android Apps for Reliable Malware Detection
Technische Universität München（慕尼黑工业大学）
在训练他们新开发的恶意软件检测方法时，研究人员依靠基于阈值的标签策略来解释在线平台（如VirusTotal）提供的扫描报告。这个平台的动态性使得这些标签策略在很长一段时间内不可持续，这导致了不准确的标签。使用不准确标记的应用程序来训练和评估恶意软件检测方法会严重破坏其结果的可靠性，导致要么放弃其他有前途的检测方法，要么采用本质上不充分的方法。通过手动分析生成准确标签的不可行性以及缺乏可靠的替代方案迫使研究人员使用VirusTotal来标记应用程序。在本文中，我们以两种方式处理这个问题。首先，我们揭示了各方面的VirusTotal的动态性，以及它们如何影响基于阈值的标签策略，并提供了可操作的见解，如何使用这些标签策略的VirusTotal的动态性可靠。其次，我们激励替代平台的实施（一）确定VirusTotal的限制，这样的平台应该避免，和（b）提出一个架构，这样的平台可以构建，以减轻VirusTotal的限制。
2020-07-01 cs.CR cs.LG cs.SE
A Sink-driven Approach to Detecting Exposed Component Vulnerabilities in Android Apps
Android应用程序可以公开其组件，以便与其他应用程序协作。然而，这种便利性使应用程序容易受到暴露组件漏洞（ECV）的影响，其中组件内的危险API（通常称为sink）可以由其他（恶意）应用程序触发。在先前的工作中，检测这些ECV使用与检测中的ECV有关的一组汇。在本文中，我们认为，一个更全面，更有效的方法应该开始系统的选择和分类的特定功能汇（VSinks）。VSink的集合比以前的作品中使用的要大得多。基于这些VSinks，我们的sink驱动方法可以通过两个步骤检测应用程序中不同类型的ECV。首先，VSink和他们的类别是通过一个典型的前向可达性分析。其次，基于每个VSink的类别，使用相应的检测方法通过定制的后向马尔可夫分析来识别ECV。我们还设计了一个半自动引导的分析和验证功能，用于仅限系统的广播检查，以消除一些误报。我们在一个名为ECVDetector的工具中实现了我们的sink驱动方法，并使用顶级1K Android应用程序对其进行了评估。使用ECVDetector，我们成功地识别了我们定义的所有四个ECV类别中的49个易受攻击的应用程序。据我们所知，其中大部分是以前未公开的，如非常流行的Go SMS Pro和Clean Master。此外，ECVDetector的性能很高，处理每个组件平均只需9.257秒。
2014-05-24 cs.CR
PrivacyAssist: A User-Centric Agent Framework for Detecting Privacy Inconsistencies in Android Apps
University of Insubria（因苏布里亚大学）
PrivacyAssist通过多代理LLM平台检测用户授权权限与开发者声明的敏感数据收集共享实践之间的不一致，提供简洁解释和实时警告以支持明智安装决策。
2026-04-25 cs.CR cs.HC
Cross-Platform Analysis of Indirect File Leaks in Android and iOS Applications
如今，我们的大部分敏感信息都存储在移动应用程序（app）中，例如浏览历史记录和聊天记录。为了保护这些隐私文件，现代移动系统，特别是Android和iOS，使用沙箱来隔离应用程序的文件区域。然而，我们在本文中表明，这些私人文件仍然可以通过间接利用受害者应用程序信任的组件来泄露。特别是，我们设计了新的间接文件泄漏（IFL）攻击，利用浏览器接口，命令解释器和嵌入式应用服务器泄漏非常流行的应用程序，如Evernote和QQ的数据。与以前的攻击不同，我们证明这些IFL可以影响Android和iOS。此外，我们的IFL方法允许对手远程发起攻击，而无需在受害者的智能手机中植入恶意应用程序。最后，我们比较了四种不同类型的IFL攻击对Android和iOS的影响，并提出了几种缓解方法。
2017-02-09 cs.CR
Dexteroid: Detecting Malicious Behaviors in Android Apps Using Reverse-Engineered Life Cycle Models
Android恶意软件的数量在过去几年中大幅增加。静态分析广泛用于通过分析代码而不执行来检测此类恶意软件。当前工具的有效性依赖于应用模型以及分析应用模型的恶意软件检测算法。如果模型和/或算法不充分，则由特定事件序列触发的复杂攻击将不会被检测到。本文提出了一个静态分析框架Dexteroid，它使用逆向工程的生存周期模型来准确捕获Android组件的行为。Dexteroid系统地从模型中导出事件序列，并使用它们来检测由特定事件顺序发起的攻击。Dexteroid的原型实现检测两种类型的攻击：（1）泄露私人信息，以及（2）向高级号码发送SMS。在1526个Google Play应用程序、1259个Genome恶意软件应用程序和一套名为DroidBench的基准应用程序上进行了一系列实验，并将结果与最先进的静态分析工具FlowDroid进行了比较。评估结果表明，该框架是有效的和高效的精度，召回率和执行时间。
2016-04-08 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
An Android Cloud Storage Apps Forensic Taxonomy
在过去的十年里，手机在我们的日常活动中扮演着非常重要的角色。随着对这些设备需求的增加，人们现在更加依赖智能手机应用程序来完成日常任务，许多人更喜欢将移动数据保存在云平台上，以便在任何设备上的任何地方访问它们。云技术是更好的数据存储的新方法，因为它提供了更好的安全性，更大的灵活性和移动性。许多智能手机已被调查为犯罪的主体，客体或工具。其中许多调查包括分析通过云存储应用程序存储的数据，这有助于移动设备上云应用程序取证的重要性。在本文中，各种云Android应用程序进行了分析，使用取证工具XRY和取证分类调查这些应用程序的建议。拟议的分类反映了从31个不同的云应用程序中检索的残留文物。预计本文提出的分类法和法医调查结果将有助于未来的法医调查，涉及基于云的存储应用程序。
2017-06-25 cs.CR
