Agentic Discovery and Validation of Android App Vulnerabilities
提出A2智能体系统，通过漏洞发现与多模态验证两阶段检测Android漏洞，并自动生成PoC，在Ghera基准和真实APK评估中显著提升漏洞发现与零日验证能力。
2025-08-29 cs.CR
Vulnerability, Where Art Thou? An Investigation of Vulnerability Management in Android Smartphone Chipsets
该研究针对安卓芯片组漏洞管理缺失研究的问题，构建含3676个漏洞的统一知识库，发现漏洞跨代继承、90天披露期难遵守等问题，提出改进建议并为相关研究提供支撑。
2024-12-09 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
Assessing the Effectiveness of LLMs in Android Application Vulnerability Analysis
本文比较九种先进LLM在含混淆样本的100余个Android漏洞代码上的OWASP Mobile Top 10检测能力，分析性能因素及RAG上下文增强的价值。
2024-06-27 cs.CR
An Application Package Configuration Approach to Mitigating Android SSL Vulnerabilities
诸如智能电话之类的计算平台经常使用许多单独的应用程序而不是单个Web浏览器应用程序来访问Web内容。这些应用程序通常处理敏感的用户信息，如财务数据或密码，并使用安全套接字层（SSL）来保护它免受未经授权的窃听。然而，最近的研究已经证实了SSL验证在应用程序中广泛存在的错误配置。本文考虑了Android应用程序开发人员在修改SSL代码以使用固定或使用自签名SSL证书等常见功能时所面临的困难。例如，开发一个使用自签名证书访问测试Web服务器的应用程序需要额外的代码来删除SSL验证;但是，在应用程序的生产版本中并不总是删除这些代码。为了缓解由于Android应用程序中自定义SSL代码的复杂性而引入的漏洞，我们建议应在应用程序的包清单中指定通用SSL配置。我们提供了两个具体的建议：1）将应用程序的调试状态链接到SSL验证，以及2）将证书和CA固定在清单中。我们对Google Play商店中的13，000多个应用程序（其中3，302个在非广告代码中使用SSL）评估了这两个建议的适当性，并发现其中1，889个（57.20%）SSL应用程序将受益。
2014-10-28 cs.CR
Okara: Detection and Attribution of TLS Man-in-the-Middle Vulnerabilities in Android Apps with Foundation Models
University of Science and Technology of China（中国科学技术大学）；Ocean University of China（中国海洋大学）；Monash University（蒙纳士大学）
Okara利用基础模型自动化检测和归因Android应用中的TLS中间人漏洞，发现8374个存在漏洞的应用，揭示第三方库和不安全模式为主要问题，提出新的分类体系并推动责任披露。
2026-03-17 cs.CR
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
BinderCracker: Assessing the Robustness of Android System Services
在Android中，应用和系统服务之间的通信由基于事务的进程间通信（IPC）机制支持。Binder作为该IPC机制的基石，将通信双方分隔为客户端和服务器端。与任何客户端-服务器模型一样，服务器不应该对客户端事务的有效性（健全性）做出任何假设。令我们惊讶的是，我们发现这一原则在Android系统服务的实现中经常被忽视。在本文中，我们展示了这个漏洞表面的流行程度和严重性，并试图回答为什么开发人员不断犯这个看似简单的错误。具体来说，我们设计并实现了BinderCracker，这是一个自动测试框架，支持参数感知的模糊测试，已经在六个主要版本的Android中识别出了100多个漏洞，包括最新版本的Android 6.0，Marshmallow。其中一些漏洞具有严重的安全影响，导致特权代码执行或永久拒绝服务（DoS）。我们分析了这些漏洞的根本原因，发现其中大多数漏洞的存在是因为系统服务开发人员只考虑通过公共API进行利用。因此，我们强调了只在客户端公共API上进行测试的不足，并认为有必要在Binder接口（实际的安全边界）上进行测试和保护。具体来说，我们讨论了潜在的对策，如预防性测试和运行时诊断的有效性和实用性。
2016-04-23 cs.CR
Security Smells in Android
智能手机的无处不在，以及它们非常广泛的功能和用途，使得这些设备的安全性非常重要。不幸的是，尽管在安全和隐私机制方面取得了所有进展，但漏洞仍在继续扩散。研究表明，许多漏洞是由于不安全的编程实践。然而，每项研究往往涉及一个具体的问题，使结果不太可操作的从业人员。为了促进安全编程实践，我们回顾了相关研究，并确定了Android设备中可避免的漏洞以及表明其存在的“安全代码气味”。特别是，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。此外，我们开发了一个轻量级的静态分析工具，并讨论了在何种程度上，它成功地检测到约46,000个应用程序托管的官方Android市场的漏洞。
2020-06-01 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
Analyzing Android Browser Apps for file:// Vulnerabilities
保护移动设备中的浏览器非常具有挑战性，因为这些浏览器应用程序通常为同一设备中的其他应用程序提供浏览服务。安装在设备中的恶意应用程序可能会通过浏览器应用程序获取敏感信息。在本文中，我们识别了Android中的四种类型的攻击，统称为FileCross，它们利用易受攻击的file：//获取用户的私人文件，如cookie，书签和浏览历史记录。我们设计了一个自动化系统来动态测试从Google Play收集的115个浏览器应用程序，发现其中64个容易受到攻击。其中包括流行的Firefox，百度和傲游浏览器，以及更具体的应用程序，包括平板电脑用户的UC浏览器HD，维基百科浏览器和儿童安全浏览器。对这些浏览器的详细分析进一步表明，26个浏览器（23%）无意中暴露了他们的浏览界面。针对我们的报告，有关开发人员迅速修补了他们的浏览器，禁止file：//访问私人文件区，禁用file：//URL中的JavaScript执行，甚至阻止外部file：//URL。我们使用相同的系统来验证从开发人员那里收到的十个补丁，并发现一个仍然无法阻止漏洞。
2014-09-01 cs.CR
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
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
Android Inter-App Communication Threats, Solutions, and Challenges
研究人员和商业公司在检测Android平台中的恶意软件方面做了很多努力。然而，最近的恶意软件威胁，应用程序勾结，使恶意软件检测具有挑战性。App合谋是指两个或两个以上App通过相互通信的方式进行恶意操作，这使得单个App分析不足。本文首先介绍了Android的安全机制和Android应用程序使用的通信通道。然后，我们总结了应用程序通信引入的安全漏洞和潜在威胁。最后，我们讨论了应用程序共谋检测的最新研究和挑战。
2018-03-13 cs.CR
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
Context-aware System Service Call-oriented Symbolic Execution of Android Framework with Application to Exploit Generation
Android Framework是存在于每个Android系统中的软件层，用于管理所有Android应用程序的资源。Android Framework中的漏洞可能导致严重的黑客攻击，例如破坏用户数据和泄露私人信息。由于Android碎片化，数千万Android设备未打补丁，Android Framework中的漏洞肯定会吸引攻击者利用它们。到目前为止，需要大量的手工工作来制作这样的漏洞。据我们所知，目前还没有关于自动生成利用Android Framework漏洞的攻击的研究。我们通过应用Android框架的符号执行来发现bug并生成漏洞，从而朝着这个目标迈出了第一步。这项任务提出了若干挑战。(1)应用程序的信息通过多个复杂的步骤流向Android Framework，因此很难识别符号输入。(2)Android框架有一个复杂的初始化阶段，这加剧了状态空间爆炸问题。(3)将符号执行器构建为Android系统内部的一个层的简单设计不会很好地工作：不仅实现必须确保与Android系统的兼容性，而且每当Android更新时都需要维护它。我们提出了新的想法和技术来解决这些挑战，并建立了第一个系统的Android框架的符号执行。它从根本上改变了Android系统上漏洞利用生成的最新技术，并已被应用于构建查找漏洞的新技术。
2016-11-02 cs.CR cs.SE
JNI Global References Are Still Vulnerable: Attacks and Defenses
本文提出一种在最新 Android 系统中仍可实施的 JNI 全局引用耗尽型 DoS 攻击，并开发 JGREAnalyzer 工具系统检测相关漏洞，同时提出基于全局引用计数的防御方案。
2024-05-01 cs.CR
A Model for Android and iOS Applications Risk Calculation: CVSS Analysis and Enhancement Using Case-Control Studies
各种研究人员已经表明，通用漏洞评分系统（CVSS）有许多缺点，可能无法提供与软件漏洞相关的风险的精确视图。然而，许多威胁情报平台和行业标准都依赖于CVSS评分来评估网络安全合规性。本文建议对CVSS中的影响和可利用性子分数的计算进行几项改进，以提高其准确性，并帮助威胁情报分析师专注于与其资产相关的关键风险。我们将针对与几个Android和iOS应用程序相关的风险应用我们建议的改进，并讨论我们建模的改进和优势，例如时间对整体CVSS分数计算的重要性和影响。
2018-07-27 cs.CR
Bulkhead: Automated Semantic Detection and Remediation of Container Escape Vulnerabilities
研究容器逃逸漏洞，提出舱壁框架，集成大语言模型与形式化方法，利用多智能体系统通过多维知识模式识别修复漏洞，检测管道找漏洞并生成利用程序，补丁管道验证确保修复正确。
2026-10-14 cs.AI cs.CR cs.SE
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
Detecting Data Leakage from Databases on Android Apps with Concept Drift
移动数据库是智能手机上许多应用程序的法定主干，它们存储了大量敏感信息。但是，操作系统或应用程序逻辑中的漏洞可能会导致敏感数据泄露，使攻击者能够未经授权访问应用程序的数据库。在本文中，我们研究这些漏洞来定义一个威胁模型，我们提出了一个独立于操作系统版本的保护机制，应用程序开发人员可以利用它来检测此类攻击。为此，我们使用原始应用程序创建的数据库查询工作负载对用户行为进行建模。在这里，我们通过比较查询工作负载特征随时间的概率分布来对行为漂移进行建模。然后，我们使用这个模型来确定应用程序行为漂移是否异常。我们评估了我们的框架在三个不同的流行Android应用程序的真实工作负载，我们表明，我们的系统能够检测到超过90%的此类攻击。
2018-05-30 cs.CR cs.DB
A Framework for Formal Specification and Verification of Security Properties of the Android Permissions System
Android是一种广泛部署的操作系统，它采用基于权限的访问控制模型。Android的Android系统（APS）负责协调来自应用程序的资源请求。APS是Android安全机制的重要组成部分。APS设计中的失败可能会导致漏洞，允许恶意应用程序对资源进行未经授权的访问。研究人员采用形式化的方法来分析APS的安全属性。由于Android是不断发展的，我们打算设计和实现一个框架，正式规范和验证APS的安全属性。特别是，我们打算提出一个APS的行为模型，它代表Android 10中引入的非二进制、上下文相关的权限和Android 11中引入的临时权限。
2022-03-18 cs.CR cs.OS
DeepCatra: Learning Flow- and Graph-based Behaviors for Android Malware Detection
随着Android恶意软件的不断发展和演变，深度学习已被引入恶意软件检测中，产生了巨大的效果。最近的工作正在考虑混合模型和多视图学习。然而，它们只使用简单的特征，限制了这些方法在实践中的准确性。在本文中，我们提出了DeepCatra，一种用于Android恶意软件检测的多视图学习方法，其模型由双向LSTM（BiLSTM）和图神经网络（GNN）组成。这两种方法都依赖于从静态计算的调用跟踪中提取的特征，这些特征导致了从公共漏洞中派生出的关键API。对于每个Android应用程序，DeepCatra首先构建其调用图并计算到达关键API的调用跟踪。然后，BiLSTM子网使用的时间操作码特征从调用跟踪中提取，而GNN子网使用的流图特征从所有调用跟踪和组件间通信中构建。我们通过将DeepCatra与几种最先进的检测方法进行比较来评估其有效性。在超过18，000个真实世界的应用程序和流行的恶意软件上的实验结果表明，DeepCatra实现了相当大的改进，例如，F1测量值为2.7%至14.6%，这证明了DeepCatra在实践中的可行性。
2022-07-16 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
AndroScanner: Automated Backend Vulnerability Detection for Android Applications
Georgia Institute of Technology（佐治亚理工学院）
本文提出AndroScanner，通过静态与动态分析结合的方法，检测Android应用后端漏洞，发现5个漏洞，包括一个未报告的零日漏洞。
2026-04-15 cs.CR cs.NI cs.SE
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
Android Inter-App Communication Threats and Detection Techniques
随着数字化的突破，智能手机已经成为非常重要的组成部分。移动设备对于网络窃贼来说是非常有吸引力的攻击面，因为它们拥有个人详细信息（帐户，位置，联系人，照片），并具有潜在的窃听能力（使用摄像头/麦克风，无线连接）。Android是最受欢迎的，是恶意黑客的目标，他们试图使用Android应用程序作为闯入和控制设备的工具。Android恶意软件作者使用许多反分析技术来隐藏分析工具。学术研究人员和商业反恶意软件公司正在努力检测此类恶意应用程序。他们正在利用静态，动态和基于行为的分析技术的组合。尽管Android提供了所有安全机制，但应用程序可以通过共谋执行恶意操作。在共谋中，恶意功能被划分到多个应用程序中。每个参与的应用程序完成其部分，并通过组件间通信（ICC）将信息传递给另一个应用程序。ICC不需要任何特殊权限。此外，没有强制通知用户有关通信。每个参与的应用程序都需要请求一组最小的权限，这可能使其看起来对当前一次分析一个应用程序的最先进技术是良性的。关于Android中的应用程序分析技术有很多调查;但是他们专注于单个应用程序分析。这项调查通过只关注多个应用程序之间的勾结来加强这一点。在本文中，我们提出了Android漏洞，可能会被利用为一个可能的共谋攻击。我们涵盖了现有的威胁分析，场景，以及应用程序内和应用程序间分析工具的详细比较。据我们所知，这是第一次对Android中的应用程序共谋和最…
2017-09-21 cs.CR
Yes, Machine Learning Can Be More Secure! A Case Study on Android Malware Detection
为了应对现代攻击日益增加的可变性和复杂性，机器学习已被广泛采用作为恶意软件检测的可靠工具。然而，其针对精心设计的攻击的安全性不仅最近受到质疑，而且已经表明，机器学习表现出固有的漏洞，可以在测试时被利用来逃避检测。换句话说，机器学习本身可能是安全系统中最薄弱的环节。在本文中，我们依靠以前提出的攻击框架，通过对具有不同技能和能力的攻击者进行建模，对基于学习的恶意软件检测工具的潜在攻击场景进行分类。然后，我们定义并实现了一组相应的规避攻击，以彻底评估Drebin，Android恶意软件检测器的安全性。这项工作的主要贡献是提出了一个简单且可扩展的安全学习范式，该范式减轻了规避攻击的影响，同时在没有攻击的情况下只会略微恶化检测率。最后，我们认为，我们的安全学习方法也可以很容易地应用到其他恶意软件检测任务。
2017-04-28 cs.CR
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
Toward an Android Static Analysis Approach for Data Protection
本文提出一种基于静态污点分析的Android应用数据保护诊断方法，通过识别个人数据源并追踪数据流，帮助开发者和评估者确保应用符合GDPR等法律框架。
2024-02-12 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
Vulnerability Analysis of Digital Banks' Mobile Applications
由于智能移动设备的增加，手机银行应用程序的用户数量迅速增加。移动银行是通过移动设备提供的金融交易和服务。现在几乎所有的金融机构都为客户提供手机银行服务。然而，手机银行应用程序的安全性是一个巨大的关注，因为他们收集的个人数据和信息的数量。如果攻击者掌握的个人信息，他们可以访问银行支付或卡帐户。本研究旨在分析英国数字银行应用程序的脆弱性，以识别应用程序中的漏洞，并提供有助于提高银行应用程序安全性的对策。Androbugs是一个漏洞扫描器，被用来分析六家数字银行的android应用程序的漏洞。扫描了Starling、Monese、Atom Bank、Transferwise、Monzo和Revolut。所有被扫描的数字银行应用程序都有漏洞;然而，有些应用程序的漏洞比其他应用程序更多。例如，Revolut的移动应用程序具有最高数量的已识别漏洞。因此，在数字银行的应用以及其他移动银行应用中需要更多的安全性。
2023-02-15 cs.CR
Predicting Likely-Vulnerable Code Changes: Machine Learning-based Vulnerability Protections for Android Open Source Project
Google（谷歌）
本文提出一个基于机器学习的漏洞预防框架，在代码提交前自动触发安全审查，通过分类器识别高风险变更，在AOSP数据集上实现约80%召回率、98%精确率和1.7%误报率。
2024-05-26 cs.AI cs.CR cs.CY
Explaining Black-box Android Malware Detection
University of Cagliari（卡利亚里大学）；Pluribus One（Pluribus One公司）
机器学习模型最近被用于检测恶意Android应用程序，在基准数据集上报告了令人印象深刻的性能，即使只在从应用程序静态提取的特征（如系统调用和权限）上进行训练。然而，最近的研究结果强调了这种体外评估与基准数据集的脆弱性，表明对Android恶意软件内容的很少更改可能足以逃避检测。因此，我们如何才能相信在基准数据上表现良好的恶意软件检测器在部署到操作环境中时会继续这样做呢？为了缓解这一问题，最流行的Android恶意软件检测器使用线性、可解释的机器学习模型来轻松识别对每个决策最有影响力的特征。在这项工作中，我们将这种方法推广到任何黑盒机器学习模型，通过利用基于梯度的方法来识别最有影响力的局部特征。这使得使用非线性模型能够在不牺牲决策的可解释性的情况下潜在地提高准确性。我们的方法还强调了模型学习的全局特征，以区分良性和恶意软件应用程序。最后，正如我们对一个流行的Android恶意软件检测任务的实证分析所示，它还有助于识别线性和非线性模型对对抗性操作的潜在漏洞。
2018-10-29 cs.CR cs.LG stat.ML
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
CryptoGuard: High Precision Detection of Cryptographic Vulnerabilities in Massive-sized Java Projects
密码API的滥用，如暴露的秘密，可预测的随机数，脆弱的证书验证，严重威胁软件安全。自动筛选加密API调用的愿景是在1000个大小的（例如，Java程序并不新鲜。然而，由于在不影响分析质量的情况下减少假阳性的实际困难，这一目标尚未实现。最先进的加密API筛选解决方案不是为大规模操作而设计的。我们的技术创新是一套快速、高精度的切片算法。我们的算法通过识别语言特定的不相关元素来细化程序切片。在我们的实验中，这些改进将错误警报减少了76%到80%。在46个高影响力的大型Apache项目和6，181个Android应用程序上运行我们的工具CrytoGuard，产生了许多安全见解。我们的发现帮助多个流行的Apache项目强化了他们的代码，包括Spark、Ranger和Ofbiz。我们在这一领域的分析科学方面也取得了实质性进展，包括：i）手动分析了1，295个Apache警报，并确认了1，277个真阳性（98.61%的准确率），ii）创建了一个包含38个单元基本案例和74个单元高级案例的基准，iii）与包括CrySL，SpotBugs和Coverity在内的领先解决方案进行了深入比较。我们正在将CryptoGuard与软件保障市场（SWAMP）集成。
2019-03-27 cs.CR
MalPurifier: Enhancing Android Malware Detection with Adversarial Purification against Evasion Attacks
School of Cyber Science and Engineering, Southeast University, Purple Mountain Laboratories, and Jiangsu Province Engineering Research Center of Security for Ubiquitous Network（网络 ubiquity 安全江苏省工程研究中心、紫金山实验室、东南大学网络科学与工程学院）
MalPurifier提出一种基于对抗净化的Android恶意软件检测防御框架，通过多样化扰动、噪声注入和双目标DAE，在37种逃避攻击下保持90.91%以上的鲁棒准确率。
2025-06-22 cs.AI cs.CR cs.LG
Intrusion Detection on Smartphones
International Burch University（国际布尔奇大学）
智能手机技术越来越成为世界各地人们的主要通信工具。人们使用他们的智能手机来保存他们的联系人数据，浏览互联网，交换消息，保存笔记，携带他们的个人文件和文档等。用户在浏览时也能够在线购物，因此需要输入他们的信用卡号码和安全代码。随着智能手机的普及，这项技术面临的安全威胁和漏洞也越来越多。最近的新闻和文章表明，智能手机（主要是Android和iOS）上使用的操作系统的恶意软件和病毒大幅增加。智能手机技术的主要限制是其处理能力和稀缺的能源，因为智能手机依赖于电池的使用。由于智能手机是随着用户在不同地方之间移动而改变其网络位置的设备，因此用于智能手机技术的入侵检测系统通常被分类为针对移动自组织网络设计的IDS。本研究的目的是简要介绍IDS技术，概述IDS技术中使用的主要机器学习和模式识别算法，概述iOS和Android的安全模型，提出一种新的基于主机的智能手机IDS模型，并为新提出的模型创建Android平台的概念验证应用程序。关键词：IDS，SVM，Android，iOS;
2012-11-28 cs.AI cs.CR
Level Up with ML Vulnerability Identification: Leveraging Domain Constraints in Feature Space for Robust Android Malware Detection
Radboud University（拉德堡德大学）；Ruhr University Bochum（波鸿鲁尔大学）
针对ML在Android恶意软件检测中易受可实现对抗样本规避攻击的问题，提出在特征空间学习Android域约束的新方法，有效检测对抗样本，并在对抗训练中显著提升模型鲁棒性和训练效率。
2024-12-24 cs.CR cs.LG
LLbezpeky: Leveraging Large Language Models for Vulnerability Detection
University of Waterloo（滑铁卢大学）
本文提出LLbezpeky，利用大型语言模型构建AI驱动的工作流程以检测Android应用漏洞，实验表明其在Ghera基准中正确标记不安全应用比例达91.67%，并揭示了配置对TP和FP率的影响。
2024-02-13 cs.AI cs.CR cs.SE
Protocol Prying: Systematic Vulnerability Research in the Apple AirDrop and Android Quick Share Proximity Transfer Protocols
CISPA Helmholtz Center for Information Security（CISPA 亥姆霍兹信息安全中心）
通过逆向工程和协议感知模糊测试，首次跨平台研究 Apple AirDrop 和 Samsung/Google Quick Share 协议，发现 6 个漏洞（包括预认证拒绝服务、XML 递归、空指针解引用、协议层缺陷和堆释放后使用），并已负责任披露。
2026-06-26 cs.CR
EvadeDroid: A Practical Evasion Attack on Machine Learning for Black-box Android Malware Detection
Radboud University（拉德堡德大学）；Ruhr University Bochum（波鸿鲁尔大学）
本文提出 EvadeDroid，一种基于良性捐赠应用变换和查询高效优化的黑盒问题空间攻击，可在极少查询下规避多种 Android 恶意软件检测器及商业杀毒软件。
2024-01-25 cs.CR cs.LG
What You Code Is What We Prove: Translating BLE App Logic into Formal Models with LLMs for Vulnerability Detection
本文提出利用LLM将BLE应用代码翻译为形式化模型，结合静态分析与符号验证，在1050个Android应用中揭示仅10.2%实现全部核心安全保护，降低形式化验证门槛。
2025-09-11 cs.CR cs.NI
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
MobileCybench: Evaluating Agent Vulnerability Discovery via Executable Probes
Stanford University（斯坦福大学）；UC Berkeley（加州大学伯克利分校）
提出MobileCybench基准，用可执行探针评估AI智能体在Android应用中的漏洞发现能力，实验表明顶级智能体在恶意应用场景下触发率53.8%，并发现23个新漏洞。
2026-09-22 cs.AI cs.CR cs.LG
