张雄冠,邵培南

(中国电子科技集团公司第三十二研究所,上海 201808)

近10年来,伴随着互联网技术的迅猛发展,以及智能移动终端的普及,传统的计算机软件也开始向基于智能终端的应用市场转移.根据360 互联网安全中心发布的《2019年手机安全状况报告》展示[1],2019年截获的新增Android 恶意程序样本约为180.9 万个,平均每天截获的新增恶意程序样本个数约为0.5 万个.观察新增样本的类型,还是以恶意扣费、资费消耗和隐私窃取这3 种类型为主.由此可见,Android 操作系统的安全形势依然刻不容缓,为了减少恶意程序对用户造成的损失,Android 恶意程序检测也就成为一个值得深入研究的课题.

目前,Android 恶意程序检测技术主要分成两种：基于签名的检测技术[2]和基于行为的检测技术.基于签名的检测技术实际上利用了模式匹配的思想,使用这种方法进行检测需要对比已知的恶意代码签名库,因此这种方法无法识别未知的恶意程序.而基于行为的检测技术因为不需要依赖签名的特性逐渐成为目前研究与应用的主流方法之一.基于行为的检测技术又可依据是否需要实际运行目标程序进一步分为静态行为分析方法和动态行为分析方法.

静态行为分析法是目前应用相对广泛的恶意代码检测方法.其优势在于可以直接利用反编译技术提取代码本身的特征,不必在指定检测环境下运行代码,从而能够在应用安装前完成分析.文献[3]就提出了一种组合静态行……