超凡，杨智，杜学绘，韩冰

基于多因素聚类选择的Android应用程序分类风险评估方法

超凡，杨智，杜学绘，韩冰

（信息工程大学，河南 郑州 450001）

大多数现有的Android应用程序风险评估根据经验直接指定因素的权重，通过统计少量因素的使用频率来计算安全风险。提出一种新的Android应用风险评估方法，能够同时提供定量和定性评估。该方法融合系统权限、API调用、Intent Filter的action属性以及数据流等多种风险因素，基于因素的风险分类与加成进行风险赋值，基于层次聚类对因素子集进行权重分配。实验表明，评估结果能够有效地反映Android应用程序的真实安全风险。

安卓；风险评估；安全威胁；静态分析；层次聚类

1 引言

典型的Android恶意软件检测只能将应用程序分类为良性、恶意或正常、异常，这样粗糙的二元指标无法详细表明应用程序安全面临的具体风险程度。在实际情况下，恶意软件与良性应用的界限通常不是特别鲜明，大量“正常”应用蕴含各种安全风险，可能给用户造成隐私泄露、资费消耗、系统破坏等损失。事实上，不存在完全安全的无风险应用，但风险更小的应用通常表明安全性更高，更值得信赖。安全风险评估是一种有效衡量应用程序安全风险的技术，可帮助市场与用户更好地选择较为安全的应用。

针对Android应用的风险评估目标存在多种说法，有风险评分和风险等级[1]、安全信用指数[2]、安全和隐私风险[3]、可信度[4]、隐私风险评分[5]等。评估目标不一致，评估要素的选择也不同。……