杜 垚

西南民族大学 计算机科学与技术学院，成都610000

随着移动应用的广泛普及，如今的移动信息安全已不仅仅是个人数据的安全问题，更成为了影响到企业甚至国家的关键数据信息重要方面之一。在移动平台之中，Android系统的病毒感染问题尤为突出。在Android应用普及之初的2013 年，就有97%的移动恶意软件与Android平台相关，高于2012年的79%和2011年的66%[1]。之后，Android 恶意代码量逐年攀升。到了2019 年，被截获到的Android 恶意代码量已达到180 余万个[2]。以Google 为代表的主要移动应用开发公司虽投入了大量的人力财力来维护其官方应用程序市场的安全，但仍成为了恶意攻击的重灾区[3]。而国内的移动应用平台更是种类繁多，难以监管，使得恶意代码的感染问题更加突出。

传统基于签名的恶意代码检测算法因过度依赖人工分析，具有检测滞后期长和难以检测新型变种病毒等缺陷。为了解决这些问题，研究人员开始致力于寻找更高层次的特征来描述应用程序和检测恶意行为，如敏感权限信息与函数信息等等[4-6]，大多取得了良好的效果。然而，层出不穷的恶意攻击技术与快速增长的变种样本量给移动应用程序的安全检测与恶意行为演化分析带来了沉重的负担。要解决该问题，迫切需要研究工作在提高对恶意样本识别率的同时对其进行准确的家族识别与分类，并建立系统性的样本集。通过对大量样本研究表明，许多新的恶意代码与现有应用程序的局部结构相似，是通过重封装技术[7-8]形成的大量变种样本。……