管 峻,毛保磊,刘慧英

1(西北工业大学 自动化学院,西安 710072)

2(郑州大学,郑州 450001)

随着5G 时代的到来,移动智能终端成为必不可少的重要载体.因此,针对移动终端的恶意攻击层出不穷,尤其是市场占有率第一的Android 系统.360 安全大脑发布的《2019年Android 恶意软件专题报告》[1]指出,2019年全年,360 安全大脑共截获移动端新增恶意软件样本约180.9 万个,足以说明恶意应用时刻威胁着移动智能终端用户的切身利益、不同行业领域的正常发展,甚至影响到国家的安全建设.目前,恶意应用的检测技术主要分为静态检测和动态检测.从效率上讲,静态检测的效率高,适用于大规模的恶意应用检测.动态检测需要实际运行应用程序,在运行期间捕获恶意行为,效率相对较差,但可以应对代码混淆等对抗静态分析的手段.另外,无论良性应用还是恶意应用出于对自身的保护,越来越多地采取加壳的方式保护自身被反编译.这也造成恶意应用检测特征只能来源于应用程序反编译后得到的AndroidManifest.xml 全局配置文件,该文件提供应用程序申请的权限、组件等信息.

虽然过去许多基于权限、组件信息等作为特征的机器学习算法研究取得了较好的检测结果,但实验选取的恶意应用样本大多数是2013年左右的,与同时期及现在下载的良性应用在权限的使用上存在明显差异.本文对收集的2013年左右的恶意应用、VirusShare[2]收集的2016年恶意应用和2020年随机从小米应用市场下载的良性应用申请的权限信息进……